Die richtige Grafik als Zauberstab zur Mart Modellierung Referat vom
|
|
- Hennie Schuster
- vor 6 Jahren
- Abrufe
Transkript
1 Die richtige Grafik als Zauberstab zur Mart Modellierung Referat vom Peter Brunner,NTTData Dr. Andrea Kennel, InfoPunkt Kennel GmbH Copyright 2014 NTT DATA EMEA Ltd.
2 Die richtige Grafik als Zauberstab zur Mart Modellierung 1 Semantische Modellierung 2 Business Intelligence Mehrdimensionale Modellierung in Projekten die BI Analytics betreffen 3 Modellierungs-Methodologie : ADAPT (Application Design for Analytical Processing Technologies [Bulos 1996] 4 Beispiel: Finanzindustrie Zahlungsverkehr (ISO20022) 5 Generator ADAPT-Modelle in PowerDesigner Copyright 2014 NTT DATA EMEA Ltd. 2
3 Methoden-Position Copyright 2014 NTT DATA EMEA Ltd. 3
4 Fachliche Modellierung für Zugriffsebene Das Reporting Repository als konzeptionelles Datenmodell zur Abbildung der verfügbaren Reporting-objekte inkl. Auswertungsstrukturen und Kennzahlen, auf die die Fachbereiche Zugriff haben. Reporting Repository Presentation & Delivery Layer Anforderungen Business Model Das Reporting Repository als konzeptionelles Datenmodell zur Abbildung der verfügbaren Reportingobjekte inkl. Auswertungsstrukturen und Kennzahlen, auf die die Fachbereiche Zugriff haben. Business Layer Data Mart Layer Atomic Data Layer Data Data Integration Warehouse Layer Data Acquisition Layer Copyright 2014 NTT DATA EMEA Ltd. 4
5 Einheitliche Fakten und Dimensionen Modellierung einheitlicher Fakten und Dimensionen (nach Kimball) ist ein zusätzlicher Grund die Fachlichkeit verständlich aufzunehmen und abzustimmen Nutzen der einheitlichen Fakten und Dimensionen Alle sprechen dieselbe Sprache und nutzen dieselben Dimensionen und Faktenbasis Daten unterschiedlicher Auswertungen sind vergleichbar Festlegen der einheitlichen Fakten zwingend zusammen mit allen betroffenen Bereichen des Business Festlegen der einheitlichen Dimensionen zwingend zusammen mit allen betroffenen Bereichen des Business. Suchen von Konsenslösungen, und nicht Abbilden von allen Spezialfällen Copyright 2014 NTT DATA EMEA Ltd. 5
6 ADAPT Modellierungs-Methodologie Literatur-Referenz Michael Hahne; u.a. Modellierung von Business-Intelligence- Systemen dpunkt.verlag, 2014 Ralph Kimball; The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling, 3 rd edition, 2013 Copyright 2014 NTT DATA EMEA Ltd. 6
7 Konzeptionelles /semantisches Datenmodell für multidimensionale Datenstrukturen: ADAPT Application Design for Analytical Processing (ADAPT) ist ein semantisches/ konzeptionelles Datenmodell mit definierter grafischer Notation zur Abbildung von multidimensionalen Datenstrukturen und eignet sich zur Definition und Abstimmung von Anforderungen von flachen Reports und multidimensionalen Cubes. Copyright 2014 NTT DATA EMEA Ltd. 7
8 Methoden zur semantischen Modellierung Konzeptionelles / semantisches Datenmodell in Krähenfuss- Notation (PowerDesigner) Konzeptionelles / semantisches Datenmodell zur Darstellung multidimensionaler Dimensionsstrukturen (ADAPT) Vertreinskanal Langbezeichnung <Undefined> IDENTIFIER_1 <ai1> Vertriebsweg Langbezeichnung <Undefined> TMO Sales CHannel Vertriebslinie Langbezeichnung <Undefined> TMO Sales Subchannel Vertriebsbeteiligung Langbezeichnung <Undefined> Vertriebsorganisation Langbezeichnung Name Strasse Ort VO_Status <Undefined> <Undefined> <Undefined> <Undefined> <Undefined> Copyright 2014 NTT DATA EMEA Ltd. 8
9 Überblick ADAPT Notation (1). Der Datenwürfel (cube) repräsentiert den multidimensionalen Datenraum. Jeder Datenwürfel besitzt eine Bezeichnung und besteht aus mehreren Dimensionen, die auf Kennzahlen zugreifen. Eine OLAP-Anwendung kann aus einem oder mehreren Datenwürfeln bestehen. Die Dimension (dimension) bildet ein diskretes Kriterium zur Auswahl, Zusammenfassung und Navigation innerhalb der Datenstrukturen ab. Dimensionen spannen letztlich den multidimensionalen Datenraum auf. Jede Dimension kann einen oder mehrere Konsolidierungspfade ausweisen, die als Hierarchie (hierarchies) bezeichnet werden. Eine Hierarchie ist in mehrere Ebenen (Hierarchiestufen) unterteilt. Eine Hierarchiestufe (level) definiert eine Ordnungsstruktur innerhalb einer Hierarchie. Mitglieder einer Hierarchiestufe teilen eine gleiche implizite Charakteristik. Durch die stufenweise Zusammenfassung von Dimensionselementen entstehen innerhalb der Dimensionen Elementhierarchien, über die eine Navigation im Datenbestand durch den Endbenutzer (Drill-Down-/Roll-Up-Operationen) erfolgen kann. Eine einzelne atomare Einheit (member) innerhalb einer Dimension wird als Dimensionselement bezeichnet. Grundsätzlich werden Dimensionselemente in Hierarchiestufen zusammengefasst. Dimensionsattribute (attributes) geben zusätzliche Informationen zu einzelnen atomaren Einheiten innerhalb einer Dimension. Für bestimmte Sachverhalte werden lediglich Dimensionsausschnitte (scope) als Mengen gültiger Dimensions-elemente von speziellem Interesse benötigt. Die hinter abgeleiteten Modellen (model) stehenden Berechnungsformeln, z.b. zur Berechnung von abgeleiteten Kennzahlen, können algebraisch spezifiziert werden. Copyright 2014 NTT DATA EMEA Ltd. 9
10 ADAPT Notation (2) Die Konsolidierung in der Produkt- Hierarchie erfolgt durch Marken, Produktkategorien und Produktunterkategorien. Eine Aggregation zu den verschiedenen Herstellern der Produkte wird darüber hinaus betrachtet. Produkttitel, Größe und Art der Verpackung sowie Gewicht sind weitere relevante Informationen neben der Produkt-Nr. Sie sind die Attribute der Produkthierarchieebene. Selbstproduktion und externe Beschaffung der Produkte sind differenziert, wobei das Objekt der Dimensionssicht benutzt wird. Copyright 2014 NTT DATA EMEA Ltd. 10
11 Papierübung anhand eines konkretes Beispiels Copyright 2014 NTT DATA EMEA Ltd. 11
12 Papierübung: Beispiel Geografie Kunden haben eine Adresse Wir wollen Kundenkennzahlen nach geografischen Gesichtspunkten auswerden. Dabei sollen die Daten nach Länder ausgewertet werden. Für die Schweiz soll dann ein Drill-Down über die Region bis zum Kanton gemacht werden können Zeichnen Sie die dazu nötige Hierarchie in ADAPT Copyright 2014 NTT DATA EMEA Ltd. 12
13 Konkretes Beispiel: Data Mart Dimensionen im Zahlungsverkehrs-Teilbereich Copyright 2014 NTT DATA EMEA Ltd. 13
14 Zahlungsverkehr Schweiz (Ausschnitt) Harmonisierung des Zahlungsverkehrs: Die Zukunft des Schweizer Zahlungsverkehrs heisst ISO Überweisungen Lastschriftverfahren Einzahlungsschein mit Datencode (QR-Code) Harmonisierung der Überweisungsverfahren von Banken und PostFinance. Konsolidierung der Schweizer Lastschriftverfahren. Heutige Belege (rote und orange Einzahlungsscheine) werden durch einen einheitlichen neuen Einzahlungsschein ersetzt. Verfahren werden weitestgehend an die Regeln des europäischen SEPA- Überweisungsverfahrens (ISO 20022) angeglichen. E-Rechnung wird forciert Der neue Einzahlungsschein und mit einer neuen mit Datencode erleichtert für Lastschriftlösung kombiniert. Kunden die Zahlungsabwicklung. Die Harmonisierung betrifft alle zentralen Bereiche und Verfahren des Zahlungsverkehrs: Überweisungen Lastschriften (mit Integration in E-Rechnungsprozesse) Avisierung & Reporting Einzahlungsscheine Copyright 2014 NTT DATA EMEA Ltd. 14
15 Cube Modellierung (Ausschnitt ZV) Copyright 2014 NTT DATA EMEA Ltd. 15
16 Cube Modellierung (Ausschnitt ZV) Copyright 2014 NTT DATA EMEA Ltd. 16
17 Verwendung & Nutzen von ADAPT-Modellen ADAPT dient zur Darstellung eines betriebswirtschaftlichen Kontextes Hierarchien ob ein-/mehrstufig bilden die Konsolidierungsstufen in Dimensionen der über die Fakten zu führenden Kennzahlen Die verschiedenartigen hierarchischen Dimensionsstrukturen lassen sich modellieren Dimensionen können die fachliche Relevanz der Verdichtungsstufen umfassend modelliert werden Ebenen Wertelisten Scope (Unterteilung in Teilmengen) Attributierung (Sortierung/Filterung) Beziehungstypen für Dimensionsausschnitte und ist somit auch ein zentraler Input für fachliche Metadaten, die auf der Datenzugriffsebene für die Anwender verfügbar sind Reporting Repository Copyright 2014 NTT DATA EMEA Ltd. 17
18 Generierung von ADAPT (+) Modellen in PowerDesigner Copyright 2014 NTT DATA EMEA Ltd. 18
19 NTT DATA s Generator für Modelle MDD Cube Dokumentation in ADAPT Copyright 2014 NTT DATA EMEA Ltd. 19
20 Von relational zu dimensional Konzeptionelles Modell Relational: Hierarchien die in einer Entität durch verschiedene Attribute abgebildet sind, sind nicht ersichtlich Dimensional: Alle Hierarchien und auswerterelevante Attribute werden sichtbar gemacht Logisches/Physisches Modell Dimensional (Star-Schema) wird eine Dimension mit allen Hierarchien in eine physische Tabelle gespeichert. Hierarchien werden also bewusst redundant gespeichert Das bedeutet, dass in der Regel die Daten aus mehreren Core- Tabellen zusammen geführt werden Vorteil: Nachteil: Einfacher und schneller Lesezugriff Hierarchien nicht offensichtlich Copyright 2014 NTT DATA EMEA Ltd. 20
21 Fazit Modellierung ist das Zeichnen basierend auf einem exakten Dialog Copyright 2014 NTT DATA EMEA Ltd. 21
Christian Kurze BI-Praktikum IBM WS 2008/09
Einführung in die multidimensionale Datenmodellierung e mit ADAPT BI-Praktikum IBM WS 2008/09 1 Gliederung Einführung multidimensionale Datenmodellierung 1. Multidimensionales Modell BI-Praktikum IBM WS
MehrKomponenten und Architekturen von Analytischen Informationssystemen (AIS)
Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Melanie Pfoh Konsultation 27. Juni 2013 Hinweis Diese Folien ersetzen keinesfalls den Übungsstoff des zugehörigen e-learning-kurses.
MehrKomponenten und Architekturen von Analytischen Informationssystemen (AIS)
Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Melanie Pfoh Konsultation Zusammenfassung OPAL 6. Übung Juni 2015 Agenda Hinweise zur Klausur Zusammenfassung OPAL Übungen / Kontrollfragen
Mehrgood. better. outperform.
good. better. outperform. Quo Vadis Oracle BI Relational oder besser multidimensional? DOAG 2013 Business Intelligence, 17.04.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence
MehrData Warehouse und Data Mining
Einführungsseminar Data Mining Seminarvortrag zum Thema: Data Warehouse und Data Mining Von gehalten am Betreuer: Dr. M. Grabert Einführung Problemstellung Seite 2 Einführung Unternehmen bekommen eine
MehrData 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
MehrInhaltsverzeichnis. vii.
vii 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt 2 1.2 OLTP versus OLAP 4 1.2.1 OLAP-versus OLTP-Transaktionen 5 1.2.2 Vergleich von OLTP und OLAP 6 1.2.3 Abgrenzung: DBMS-Techniken
MehrStar-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...
MehrBIW - 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
MehrVeit Köppen Gunter Saake Kai-Uwe Sattler. 2. Auflage. Data Warehouse Technologien
Veit Köppen Gunter Saake Kai-Uwe Sattler 2. Auflage Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis ix 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...
MehrSeminar 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
MehrHinweise zur Klausur Zusammenfassung OPAL-Übungen / Kontrollfragen Fragen Vertiefung Modellierung
Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Melanie Pfoh Konsultation Zusammenfassung OPAL 24. Juni 2014 Agenda Hinweise zur Klausur Zusammenfassung OPAL-Übungen / Kontrollfragen
MehrData Warehouse Technologien
Veit Köppen Gunter Saake Kai-Uwe Sattler Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis vii 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...............
MehrBI 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
MehrModellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009
Modellbasierte Business Intelligence in der Praxis Nürnberg, 10.11.2009 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Inhalte von Datenmodellen für BI 3. Inhalte von Prozessmodellen 4.
MehrModellierung von OLAP- und Data- Warehouse-Systemen
Andreas Totok Modellierung von OLAP- und Data- Warehouse-Systemen Mit einem Geleitwort von Prof. Dr. Burkhard Huch Deutscher Universitäts-Verlag Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis
MehrEignung 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
MehrStudierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen
Praxistag für die öffentliche Verwaltung 2012 Titel Präsentation Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen Referenten-Info Gerhard Tschantré, Leiter Controllerdienste
MehrOLAP 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
MehrBUSINESS INTELLIGENCE IM MITTELSTAND EIN PRAXISBERICHT
BUSINESS INTELLIGENCE IM MITTELSTAND EIN PRAXISBERICHT Meik Truschkowski Architekt für Business Intelligence und Data Warehousing nobilia-werke J. Stickling GmbH & Co. KG Verl, den 31. Oktober 2011 UNTERNEHMENSPROFIL
MehrANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is.
ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is.de insight und dynasight sind eingetragene Markenzeichen der
MehrLogische Datenmodellierung zur Abbildung mehrdimensionaler Datenstrukturen im SAP Business Information Warehouse
Logische Datenmodellierung zur Abbildung mehrdimensionaler Datenstrukturen im SAP Business Information Warehouse Vortrag auf der BTW 2003, Leipzig 26.-28.02.2003 Dr. Michael Hahne cundus AG Prokurist,
MehrModellbasierte Business Intelligence- Praxiserfahrungen in einem komplexen Data Warehouse Umfeld. München, 26. Januar 2010
Modellbasierte Business Intelligence- Praxiserfahrungen in einem komplexen Data Warehouse Umfeld München, 26. Januar 2010 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Inhalte von Datenmodellen
MehrSeminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing
Seminar in der Seminarreihe Business Intelligence 1 OLAP und Datawarehousing OLAP & Warehousing Die wichtigsten Produkte Die Gliederung Produkt Bewertung & Vergleiche Die Marktentwicklung Der aktuelle
Mehrgood. better. outperform.
good. better. outperform. Analytic mit Oracle BI relational oder besser multidimensional? 8. Oracle BI & DWH Konferenz, 20.03.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence
MehrWelche Daten gehören ins Data Warehouse?
Welche Daten gehören ins Warehouse? Dani Schnider Principal Consultant 9. Januar 2012 In vielen DWH-Projekten stellt sich die Frage, welche Daten im Warehouse gespeichert werden sollen und wie dieser Datenumfang
MehrSeminar C02 - Praxisvergleich OLAP Tools
C02: Praxisvergleich OLAP Tools Ein Seminar der DWH academy Seminar C02 - Praxisvergleich OLAP Tools Das Seminar "Praxisvergleich OLAP-Tools" bietet den Teilnehmern eine neutrale Einführung in die Technologien
Mehreevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator
eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator Agenda Was ist Business Intelligence? Was ist OLAP? Unterschied zwischen OLAP und OLTP? Bestandteile
MehrMultikonferenz Wirtschaftsinformatik 2004
Multikonferenz Wirtschaftsinformatik 2004 Grafische Repräsentation mehrdimensionaler Datenmodelle des SAP Business Information Warehouse Dr. Michael Hahne, cundus AG Essen, 9. März 2004 cundus AG 2004
MehrBusiness Intelligence Praktikum 1
Hochschule Darmstadt Business Intelligence WS 2013-14 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 14.10.2013 Business Intelligence Praktikum
MehrDatenmodellierung im Zeitalter agiler Softwareentwicklung
Datenmodellierung im Zeitalter agiler Softwareentwicklung Sebastian Graf, PROMATIS software GmbH DOAG 2013, Nürnberg, 1 Agenda u Über den Referenten u Datenmodellierung Begriffsdefinition und Abgrenzung
MehrSolution for Business Intelligence. MID Insight 2013
Solution for Business Intelligence MID Insight 2013 A G E N D A 1. Solution für Business Intelligence (BI) 2. Die Gründe und Hintergründe 3. Die Methode 4. Vorteile MID GmbH 2013 2 Solution für Business
MehrEinführung relationale Datenbanken. Themenblock: Erstellung eines Cube. Schlüssel. Relationenmodell Relationenname Attribut. Problem.
Themenblock: Erstellung eines Cube Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Praktikum: Data Warehousing und Data Mining Idee Speicherung der Daten in Form von Tabellen
MehrThemenblock: 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
MehrEinführung 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 -
MehrKapitel DB:IV (Fortsetzung)
Kapitel DB:IV (Fortsetzung) IV. Logischer Datenbankentwurf mit dem relationalen Modell Das relationale Modell Integritätsbedingungen Umsetzung ER-Schema in relationales Schema DB:IV-45 Relational Design
MehrC09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl
C09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl Ein Seminar der DWH academy Seminar C09 Einsatz SAP BW im Vergleich zur Best-of-Breed- Produktauswahl Befasst man sich im DWH mit der Auswahl
MehrDatenbanktechnologie für Data-Warehouse-Systeme
Wolfgang Lehner Datenbanktechnologie für Data-Warehouse-Systeme Konzepte und Methoden dpunkt.verlag 1 1.1 1.2 1.3 1.4 1. 5 2 2.1 2.2 2.3 Einleitung 1 Betriebswirtschaftlicher Ursprung des Data Warehousing...
MehrBusiness 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
MehrOLAP mit dem SQL-Server
Hartmut Messerschmidt Kai Schweinsberg OLAP mit dem SQL-Server Eine Einführung in Theorie und Praxis IIIBibliothek V dpunkt.verlag Teil OLAP undder Microsoft SQL-Server 1 1 Theoretische Grundlagen 3 1.1
MehrData Warehouse Technologien
mitp Professional Data Warehouse Technologien von Veit Köppen, Gunter Saake, Kai-Uwe Sattler 2. Auflage 2014 Data Warehouse Technologien Köppen / Saake / Sattler schnell und portofrei erhältlich bei beck-shop.de
MehrBusiness Intelligence Aufgabenstellung
Hochschule Darmstadt Business Intelligence (BI) Fachbereich Informatik Praktikum 2 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Sebastian Gobst Änderung: 15.06.2012 Datum: 30.05.2012 1. Einführung
MehrCubeware 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
MehrObjektorientierte Modellierung (1)
Objektorientierte Modellierung (1) Die objektorientierte Modellierung verwendet: Klassen und deren Objekte Beziehungen zwischen Objekten bzw. Klassen Klassen und Objekte Definition Klasse Eine Klasse ist
MehrOracle SQL Developer Data Modeling
Oracle SQL Developer Data Modeling DOAG Regio Rhein-Neckar Oracle Deutschland GmbH The following is intended to outline our general product direction. It is intended for information
MehrSurvival 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
MehrISO 20022 Harmonisierung des Zahlungsverkehrs Schweiz Infoanlass für Business-Software-Anbieter 17. September 2015
ISO 20022 Harmonisierung des Zahlungsverkehrs Schweiz Infoanlass für Business-Software-Anbieter 17. September 2015 2 Agenda Grundsätzliche Überlegungen zur Standardisierung Ziele der Migration ZV CH Roadmap
MehrData Warehouse schnell gemacht Performanceaspekte im Oracle DWH
Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH Dani Schnider Principal Consultant Business Intelligence BI Trilogie, Zürich/Basel 25./26. November 2009 Basel Baden Bern Lausanne Zürich
MehrBusiness 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
MehrDevelopment auf der Plattform SAP HANA
Development auf der Plattform SAP HANA SAP HANA Architektur SAP HANA Studio Modellierung auf SAP HANA Web basierte Data Access Role und Berechtigung SAP HANA Plattform SAP HANA als Appliance SAP HANA in
MehrOnline Analytical Processing
Online Analytical Processing Online Analytical Processing Online Analytical Processing (OLAP) ermöglicht die multidimensionale Betrachtung von Daten zwecks E rmittlung eines entscheidungsunterstützenden
MehrNach Data Warehousing kommt Business Intelligence
Nach Data Warehousing kommt Business Intelligence Andrea Kennel Trivadis AG Glattbrugg, Schweiz Schlüsselworte: Business Intelligence, Data Warehouse Zusammenfassung Data Warehouse bedeutet, dass operative
MehrBI around the world - Globale Reporting Lösungen bei Continental Automotive
BI around the world - Globale Reporting Lösungen bei Continental Automotive Stefan Hess Trivadis GmbH Stuttgart Herbert Muckenfuss Continental Nürnberg Schlüsselworte: Oracle BI EE, Business Intelligence,
MehrWann nutze ich welchen semantischen Layer im Kontext von SAP HANA? [B3] Francis Fink Uetliberg, 16.09.2014 www.boak.ch
Wann nutze ich welchen semantischen Layer im Kontext von SAP HANA? [B3] Francis Fink Uetliberg, 16.09.2014 www.boak.ch Obwohl mit der Verwendung von SAP HANA ein neuer semantischer Layer zum Einsatz kommt,
MehrMIS 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)
MehrInhaltsverzeichnis. Teil I OLAP und der Microsoft SQL-Server 1. 1 Theoretische Grundlagen 3
vii Teil I OLAP und der Microsoft SQL-Server 1 1 Theoretische Grundlagen 3 1.1 Was ist OLAP?......................................... 3 1.1.1 Business Intelligence............................... 4 1.1.2
MehrIM FOKUS: DESIGN & MANAGEMENT VON DATA WAREHOUSES
10 IM FOKUS: DESIGN & MANAGEMENT VON DATA WAREHOUSES Step by Step Zehn Schritte für ein erfolgreiches Data Warehouse Design IM FOKUS: DESIGN & MANAGEMENT VON DATA WAREHOUSES Data Warehouse Technologie
MehrThe 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
MehrData Integration and ETL with Oracle Warehouse Builder
Oracle University Kontakt: +43 (0)1 33 777 401 Data Integration and ETL with Oracle Warehouse Builder Dauer: 5 Tage Lerninhalte Die Teilnehmer lernen, wie sie Mappings oder Prozessflüsse zum Laden von
MehrVorwort zur 5. Auflage... 15 Über den Autor... 16
Vorwort zur 5. Auflage...................................... 15 Über den Autor............................................ 16 Teil I Grundlagen.............................................. 17 1 Einführung
MehrAdlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte Einleitung
Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte DWH Projekt, Methodik, Stärken und Schwächen, Übersicht, Weg der Daten,
MehrData-Vault-Automation aus dem Datenmodellierungstool. 1. Tagung der DDVUG am 24.Juni2014
Data-Vault-Automation aus dem Datenmodellierungstool 1. Tagung der DDVUG am 24.Juni2014 A G E N D A 1. MID & Innovator 2. Modell & Methode 3. Architektur & Automatisierung 4. Nutzen & Veränderung MID GmbH
MehrInformation-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
MehrDas Multidimensionale Datenmodell
Das Multidimensionale Datenmodell Konzeptuelle Modellierung Umsetzung des Modells Beispiel ER-Modell 2 / 36 Probleme ER-Modellierung Keine Unterscheidung Klassifikation, Attribute, Kenngrößen Dimension
Mehr1 Ihre BI-Galaxie von BITMARCK!
1 Ihre BI-Galaxie von BITMARCK! Die Summe aller Sterne ist die Galaxie Ihre BI-Galaxie von BITMARCK! Michael Heutmann, Peter Hernold, Markus Jankowski Neuss, 4. November 2013 Sie haben uns mit auf den
MehrInhalt. 4.1 Motivation. 4.2 Datenintegration. 4.3 Konzeptuelle Modellierung. 4.4 Anfragen an Data Warehouses. 4.5 Implementierungsaspekte
4. Data Warehouses Inhalt 4.1 Motivation 4.2 Datenintegration 4.3 Konzeptuelle Modellierung 4.4 Anfragen an Data Warehouses 4.5 Implementierungsaspekte 2 Literatur V. Köppen, G. Saake und K.-U. Sattler:
MehrENTERBRAIN 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
MehrSAP 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
MehrO-BIEE Einführung mit Beispielen aus der Praxis
O-BIEE Einführung mit Beispielen aus der Praxis Stefan Hess Business Intelligence Trivadis GmbH, Stuttgart 2. Dezember 2008 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg
MehrObjektorientierte Datenmodelle und - verwaltung
Schlagworte der 90er: Objektorientiertes GIS OpenGIS Case-Tool Geoökologe Legt Problemstellung fest (Art, Anzahl, Dimension, Skalierung) Wählt Koordinatensystem Wählt Fachattribute OOUI (object-oriented
MehrMarketing 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
MehrQUICK-START EVALUIERUNG
Pentaho 30 für 30 Webinar QUICK-START EVALUIERUNG Ressourcen & Tipps Leo Cardinaals Sales Engineer 1 Mit Pentaho Business Analytics haben Sie eine moderne und umfassende Plattform für Datenintegration
MehrMarketing 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
MehrBusiness Intelligence im Krankenhaus
Business Intelligence im Krankenhaus Dr. Thomas Lux Holger Raphael IT-Trends in der Medizin 03.September 2008 Essen Gliederung Herausforderungen für das Management im Krankenhaus Business Intelligence
MehrMultidimensionales Datenmodell, Cognos
Data Warehousing (II): Multidimensionales Datenmodell, Cognos Praktikum: Data Warehousing und Mining Praktikum Data Warehousing und Mining, Sommersemester 2010 Vereinfachte Sicht auf die Referenzarchitektur
MehrVertrautmachen mit Daten
Kapitel III Vertrautmachen mit Daten 2004 AIFB / FZI 1 III Vertrautmachen mit Daten (see also Data Preparation ) 2004 AIFB / FZI 2 III Vertrautmachen mit Daten III.1 OLAP III.1.1 Einführung in OLAP Wie
MehrModellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015
Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015 BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENEVA HAMBURG COPENHAGEN LAUSANNE MUNICH STUTTGART
MehrF achartikel. OLAP-Modellierung mit Hilfe der ADAPT-Notation
Dr. Michael Hahne ist Geschäftsführender Gesellschafter der Hahne Consulting GmbH, eines auf BI-Architektur und -Strategie spezialisierten Beratungsunternehmens. Zuvor war er Vice President und Business
MehrData Warehouses. Data Warehouse Architektur ... Sommersemester 2011. Melanie Herschel melanie.herschel@uni-tuebingen.de
Data Warehouses Sommersemester 2011 Melanie Herschel melanie.herschel@uni-tuebingen.de Lehrstuhl für Datenbanksysteme, Universität Tübingen Data Warehouse Architektur Data-Warehouse-System Teilsichten
MehrData 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
MehrOLAP und der MS SQL Server
OLAP und der MS SQL Server OLAP und der MS SQL Server OLAP-Systeme werden wie umfangreiche Berichtssysteme heute nicht mehr von Grund auf neu entwickelt. Stattdessen konzentriert man sich auf die individuellen
MehrZusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware Falk Neubert, Universität Osnabrück
Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware 14. März 2013, IHK Osnabrück-Emsland-Grafschaft Bentheim Geschichte Kassenbuch des Liederkranz, 1886 Hutmachergesangvereins
MehrSelf Service BI der Anwender im Fokus
Self Service BI der Anwender im Fokus Frankfurt, 25.03.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC 1 Kernanforderung Agilität = Geschwindigkeit sich anpassen zu können Quelle: Statistisches
MehrHetero-Homogene Data Warehouses
Hetero-Homogene Data Warehouses TDWI München 2011 Christoph Schütz http://hh-dw.dke.uni-linz.ac.at/ Institut für Wirtschaftsinformatik Data & Knowledge Engineering Juni 2011 1 Data-Warehouse-Modellierung
MehrEinführungsveranstaltung: Data Warehouse
Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring
MehrData Warehousing mit Oracle
Data Warehousing mit Oracle Business Intelligence in der Praxis von Claus Jordan, Dani Schnider, Joachim Wehner, Peter Welker 1. Auflage Hanser München 2011 Verlag C.H. Beck im Internet: www.beck.de ISBN
MehrBusiness Intelligence
Hochschule Darmstadt Business Intelligence Fachbereich Informatik Praktikumsaufgabe 3 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.06.2007 Business Intelligence Aufgabenstellung 1.
MehrMultidimensionale Datenbanksysteme
Multidimensionale Datenbanksysteme Modellierung und Verarbeitung Von Dr.-Ing. Wolfgang Lehner IBM Almaden Research Center, San Jose, USA Technische Universität Darrr:ctadi FACHBEREICH INFORMATIK BIBLIOTHEK
MehrLeseprobe. Claus Jordan, Dani Schnider, Joachim Wehner, Peter Welker. Data Warehousing mit Oracle. Business Intelligence in der Praxis
Leseprobe Claus Jordan, Dani Schnider, Joachim Wehner, Peter Welker Data Warehousing mit Oracle Business Intelligence in der Praxis ISBN: 978-3-446-42562-0 Weitere Informationen oder Bestellungen unter
MehrAgenda. Themenblock: Data Warehousing (I) Referenzarchitektur. Eigenschaften eines Data Warehouse. Einführung Data Warehouse Data Access mit SQL
Themenblock: Data Warehousing (I) Praktikum: Data Warehousing und Data Mining 2 Eigenschaften eines Data Warehouse Referenzarchitektur Integrierte Sicht auf beliebige Daten aus verschieden Datenbanken
MehrIntelligence (BI): Von der. Nürnberg, 29. November 2011
Modelle für Business Intelligence (BI): Von der Anforderung zum Würfel Nürnberg, 29. November 2011 Warum Modelle für Business Intelligence (BI)? Warum Modelle für Business Intelligence (BI)? Bis zur Auswertung
MehrDesigning Business Intelligence Solutions with Microsoft SQL Server MOC 20467
Designing Business Intelligence Solutions with Microsoft SQL Server MOC 20467 In diesem 5-tägigen Microsoft-Kurs lernen Sie die Implementierung einer Self-Service Business Intelligence (BI) und Big Data
MehrBerichtsentwicklung, Modellierung und multidimensionale Analyse
Berichtsentwicklung, Modellierung und multidimensionale Analyse Kompakt-Intensiv-Training In unserem Seminar zum Thema "Berichtsentwicklung, Modellierung und multidimensionale Analyse" erfahren Sie, wie
MehrData Warehousing Grundbegriffe und Problemstellung
Data Warehousing Grundbegriffe und Problemstellung Dr. Andrea Kennel, Trivadis AG, Glattbrugg, Schweiz Andrea.Kennel@trivadis.com Schlüsselworte Data Warehouse, Cube, Data Mart, Bitmap Index, Star Queries,
MehrWie viele Dimensionen hat ein WŸrfel? Der Einsatz von Datamarts als Analysehilfen in einem Data Warehouse
Wie viele Dimensionen hat ein WŸrfel? Der Einsatz von Datamarts als Analysehilfen in einem Data Warehouse Andrea Kennel Beim Start eines Data Warehouse-Projekts gibt es oft das Problem, dass Informatiker
Mehr2 Wasist OLAP? Was ist OLAP? 2.1 Dasmultidimensionale Datenmodell. 2.2 Dimension. Seite21 VERLAG FÜR CONTROLLINGWISSEN AG V C W. Controllers-Werkzeug
Seite21 2 Wasist OLAP? 2.1 Dasmultidimensionale Datenmodell Die Erläuterung des Begriffs OLAP gehçrt im logischen Aufbau dieses Buchs zur Begriffsklärung im nachfolgenden Kapitel 3,in dem Begriffe aus
MehrPräsentation der Bachelorarbeit
Präsentation der Bachelorarbeit Einrichtung einer BI-Referenzumgebung mit Oracle 11gR1 Jörg Bellan Hochschule Ulm Fakultät Informatik Institut für Betriebliche Informationssysteme 15. Oktober 2009 Agenda
MehrData Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann
Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Andreas Ditze MID GmbH Kressengartenstraße 10 90402 Nürnberg a.ditze@mid.de Abstract: Data Lineage
MehrThemenblock: Data Warehousing (I)
Themenblock: Data Warehousing (I) Praktikum: Data Warehousing und Data Mining Agenda Einführung Data Warehouses Online Transactional Processing (OLTP) Datenmanipulation mit SQL Anfragen mit SQL Online
MehrVeröffentlichen von Apps, Arbeitsblättern und Storys. Qlik Sense 2.0.6 Copyright 1993-2015 QlikTech International AB. Alle Rechte vorbehalten.
Veröffentlichen von Apps, Arbeitsblättern und Storys Qlik Sense 2.0.6 Copyright 1993-2015 QlikTech International AB. Alle Rechte vorbehalten. Copyright 1993-2015 QlikTech International AB. Alle Rechte
Mehr