Global Staging Area - Implementierung einer zentralen Datendrehscheibe
|
|
- Gertrud Straub
- vor 6 Jahren
- Abrufe
Transkript
1 Global Staging Area - Implementierung einer zentralen Datendrehscheibe Sven Bosinger its-people 1 1
2 Vorstellung Mythen Partitionierung Anwendungsfall Ansätze Umbau Ergebnisse Sven Bosinger Solution Architect BI u. Portfoliomanagement BI its-people Hochtaunus GmbH 2 2
3 IT Management Services Projekt-, Qualitäts-, Release-Mgmt Das Team Unternehmensphilosophie Reale Gemeinschaft selbständiger IT-Experten als Unternehmer Auftritt unter der gemeinsamen Marke als mitarbeitende Gesellschafter Firmenverbund spezialisierter Competence Center Synergieeffekte der IT-Experten Unternehmensdaten Gründung: 2003 Anzahl der Experten: 70 Leistungsangebot Oracle Technologie Plattform & Anwendungsentwicklung Best Practice ERP Mediation, Integration, Migration Business Intelligence & DWH Architektur, Design & Implementierung Business Process Mgmt / SOA Prozessberatung, Architektur & Design, Implementierung Planung, Konzeption, Implementierung, Support Stärken Kompetenz, Exzellenz und Qualität aus praktischer Erfahrung Partnerschaft auf Gegenseitigkeit Kundenorientierung auf höchster Ebene Intern und extern gerichteter Wertekodex als Geschäftsgrundlage Nähe zum Kunden Dienstleistungen von Menschen für Menschen Fachlichkeit und Unternehmerschaft in Vertrieb und Leistungserbringung its-people Frankfurt GmbH Competence Center "Oracle-Technologie/ IT- Management Services" Büdesheimer Str. 17, Nidderau Tel.: frankfurt@its-people.de its-people ERP Beratungs- GmbH Competence-Center ERP Lyoner Str , Frankfurt am Main Tel.: erp@its-people.de its-people Hochtaunus GmbH Competence-Center BI & DWH & BPM/SOA" Lyoner Straße 44-48, Frankfurt am Main Tel: hochtaunus@its-people.de Gemeinsame Besuchsadresse: Lyoner Str , Frankfurt am Main. 8. OG 3 3
4 4 4
5 Kompetenzzentren: its-people Hochtaunus GmbH Competence-Center BI & DWH & BPM/SOA" Lyoner Straße 44-48, Frankfurt am Main Tel: its-people Frankfurt GmbH Competence Center "Oracle-Technologie/ IT- Management Services" Büdesheimer Str. 17, Nidderau Tel: its-people ERP Beratungs- GmbH Competence-Center ERP-Beratung Lyoner Straße 44-48, Frankfurt am Main Tel: Fax: enterpriser GmbH & Co. KG tritt als Servicegesellschaft auf und erbringt sogenannte "shared Services" zur Steigerung der Effizienz und Effektivität im Sinne eines "Business Process Outsourcing für die its-people Gruppe. its-people und bcs-people sind Dachmarken der enterpriser GmbH & Co. KG 5 5
6 klassisches DWH Data Warehouse Stage Enterprise Layer Mart Layer HR Sales Finance 6 6
7 mehrfach Vorhanden 7 7
8 Zuordnung Quellsysteme schwierig Entwicklungszyklus Quellsysteme haben anderen Release-Zyklus Entwicklung oft nicht abgestimmt Dateninhalt DWH Entwicklung auf Testdaten meist nicht möglich Datenmenge sind ausschlaggebend Datenqualität Probleme erst in Kombination der Quelldaten Probleme erst bei großen Datenmengen Abnahme Abnahmerelevante Testfälle nur auf Echtdaten Variationsvielfalt nicht in Testdaten 8 8
9 Schnittstellen-Explosion DWH Entwicklung Produktion DWH Test HR DWH Abnahme Sales DWH Produktion Finance DWH Wartung 9 9
10 Schnittstellen-Explosion 10 10
11 Global Staging Area (GSA) Entwicklung Produktion GSA Test HR Abnahme Sales Finance Produktion Wartung 11 11
12 Global Staging Area (GSA) 12 12
13 Produktion GSA Data Warehouse GSA Enterprise Layer Mart Layer HR Sales Finance Push (Neartime: AQ, Trigger, Adv. Replication) Pull (ETL) 13 13
14 GSA 14 14
15 Interner Aufbau der GSA Tabellen Regeln View (pro DWH) Tab 1 Filter View 1 View 2 Mask Quellen Adaptoren Tab 2 Replace View 1 View 2 ETL Metadaten 15 15
16 Prozesse in der GSA Push in die GSA Quellsysteme liefern in die GSA Real-/Neartime Anreicherung von Metadaten Eigenes Transaktionsgesichertes System unter Oracle 11g Pull aus den DWHs Klassischer ETL in das DWH Daten werden im Batch verarbeitet ETL markiert verarbeitete Sätze in der GSA Unabhängige ETLs für die jeweiligen DWHs CleanUp der GSA Löschen von verarbeiteten Daten asynchron Löschbedingung: Alle Sätze von allen DWHs verarbeitet Definierte Anzahl von Tagen zur Nachverfolgung aufbewahrt 16 16
17 Tabelle im Quellsystem: Push in die GSA Kdnr. Name Kontonr. BLZ Abenteuer AG Outdor GmbH Kletter-Müller Zelt Meier Adventure Corp Tabelle in GSA: Metadaten in GSA: DWH-ID System Status Error-Code 1 Entwicklung empfangen <null> 1 Test empfangen <null> 1 Abnahme empfangen <null> 1 Wartung empfangen <null> 1 Produktion empfangen <null> 2 Entwicklung empfangen <null> 2 Test empfangen <null> 2 Abnahme empfangen <null> 2 Wartung empfangen <null> 2 Produktion empfangen <null> DWH-ID Kdnr. Name Kontonr. BLZ DWH Arrival Date Abenteuer AG abenteur@info.de Outdor GmbH outdor@kontakt.de Kletter-Müller Peter.Müller@gmx.de Zelt Meier Meier@info.de Adventure Corp adv@google.com
18 View in GSA: Pull aus dem DWH (Produktion) DWH-ID Kdnr. Name Kontonr. BLZ DWH Arrival Date Abenteuer AG abenteur@info.de Outdor GmbH outdor@kontakt.de Kletter-Müller Peter.Müller@gmx.de Zelt Meier Meier@info.de Adventure Corp adv@google.com Metadaten in GSA: DWH-ID System Status Error-Code 1 Produktion geliefert <null> 2 Produktion geliefert <null> 3 Produktion geliefert <null> 4 Produktion fehlerhaft Ora Produktion geliefert <null> 1 Abnahme empfangen <null> 2 Abnahme empfangen <null> 3 Abnahme empfangen <null> 4 Abnahme empfangen <null> 5 Abnahme empfangen <null> Tabelle im DWH: DWH-ID Kdnr. Name Kontonr. BLZ Abenteuer AG abenteur@info.de Outdor GmbH outdor@kontakt.de Kletter-Müller Peter.Müller@gmx.de Adventure Corp adv@google.com 18 18
19 View in GSA: Pull aus dem DWH (Entwicklung) DWH-ID Kdnr. Name Kontonr. BLZ DWH Arrival Date Abenteuer AG <null> abenteur@info.de Outdor GmbH <null> outdor@kontakt.de Kletter-Müller <null> Peter.Müller@gmx.de Zelt Meier <null> Meier@info.de Adventure Corp. <null> adv@google.com Filter: - Nur 50% der Datensätze Maskierung: - Feld BLZ Metadaten in GSA: DWH-ID System Status Error-Code 1 Produktion geliefert <null> 2 Produktion geliefert <null> 3 Produktion geliefert <null> 4 Produktion fehlerhaft Ora Produktion geliefert <null> 1 Entwicklung geliefert <null> 2 Entwicklung geliefert <null> 3 Entwicklung geliefert <null> 4 Entwicklung unterdrückt <null> 5 Entwicklung unterdrückt <null> Tabelle im DWH: Unterdrücken: - Feld Kontonr. DWH-ID Kdnr. Name Kontonr. BLZ Abenteuer AG <null> abenteur@info.de Outdor GmbH <null> outdor@kontakt.de Kletter-Müller <null> Peter.Müller@gmx.de
20 Tabelle vor CleanUp in GSA: CleanUp der GSA DWH-ID Kdnr. Name Kontonr. BLZ DWH Arrival Date Abenteuer AG abenteur@info.de Outdor GmbH outdor@kontakt.de Kletter-Müller Peter.Müller@gmx.de Zelt Meier Meier@info.de Adventure Corp adv@google.com Aufbewahrungszeit: - 5 Tage Aktuelles Datum: Tabelle nach CleanUp in GSA: Metadaten in GSA: DWH-ID System Status Error-Code 1 Produktion geliefert <null> 2 Produktion geliefert <null> 3 Produktion geliefert <null> 4 Produktion fehlerhaft Ora Produktion geliefert <null> 1 Entwicklung geliefert <null> 2 Entwicklung geliefert <null> 3 Entwicklung geliefert <null> 4 Entwicklung unterdrückt <null> 5 Entwicklung unterdrückt <null> DWH-ID Kdnr. Name Kontonr. BLZ DWH Arrival Date Zelt Meier Meier@info.de
21 21 21
22 Show Case 1 - Ausgangslage DWH_PROD GSA Kunden-Hub OLTP Stage GSA_DWH_PROD Kunden Kunden-Sat DWH_TEST Kunden Kunden GSA_DWH_TEST Kunden-Hub Kunden Kunden-Sat Metadaten Filter Mask Suppress Consumer 22 22
23 Show Case 1 - ETL 23 23
24 Show Case 1 ETL (Daten erzeugen) insert into oltp.kunden (kdnr,name,kto,blz, ) select as kdnr, 'Abenteuer AG' as name, as kto, as blz, 'abenteur@info.de' as from dual union all select as kdnr, 'Outdor GmbH' as name, as kto, as blz, 'outdor@kontakt.de' as from dual union all select as kdnr, 'Kletter-Mueller' as name, as kto, as blz, 'Peter.Müller@gmx.de' as from dual union all select as kdnr, 'Zelt Meier' as name, as kto, as blz, 'Meier@info.de' as from dual union all select as kdnr, 'Adventure Corp.' as name, as kto, as blz, 'adv@google.com' as from dual; update oltp.kunden set = 'meier@info.de' where kdnr = ; delete from oltp.kunden where kdnr in (101004,101005); ************************** ** Tabelle: OLTP.KUNDEN ** ************************** KDNR NAME KTO BLZ Abenteuer AG abenteur@info.de Outdor GmbH outdor@kontakt.de Kletter-Mueller Peter.Müller@gmx.de 24 24
25 ************************* ** Tabelle: GSA.KUNDEN ** ************************* Show Case 1 ETL (Daten in GSA) DWH_ID I KDNR NAME KTO BLZ DWH_DATE I Abenteuer AG abenteur@info.de :50:46, I Outdor GmbH outdor@kontakt.de :50:46, I Kletter-Mueller Peter.M³ller@gmx.de :50:46, I Zelt Meier Meier@info.de :50:46, U Zelt Meier meier@info.de :50:47, D Zelt Meier meier@info.de :50:48, I Adventure Corp adv@google.com :50:46, D Adventure Corp adv@google.com :50:48, *************************** Tabelle: GSA.GSA_ROW_STATUS *************************** DWH_ID CONSUMER STATUS ERR_CODE DWH_PROD inserted 10 DWH_TEST inserted 11 DWH_PROD inserted 11 DWH_TEST inserted 12 DWH_PROD inserted 12 DWH_TEST inserted 13 DWH_PROD inserted 13 DWH_TEST inserted 14 DWH_PROD inserted 14 DWH_TEST inserted 15 DWH_PROD inserted 15 DWH_TEST inserted 16 DWH_PROD inserted 16 DWH_TEST inserted 17 DWH_PROD inserted 17 DWH_TEST inserted 25 25
26 ********************************* ** Stage-View: DWH_PROD.KUNDEN ** ********************************* Show Case 1 ETL (Views für registrierte DWHs) DWH_ID I KDNR KTO BLZ DWH_DATE I abenteur@info.de :50:46, I outdor@kontakt.de :50:46, I Peter.M³ller@gmx.de :50:46, I Meier@info.de :50:46, U meier@info.de :50:47, D meier@info.de :50:48, I adv@google.com :50:46, D adv@google.com :50:48, ********************************* ** Stage-View: DWH_TEST.KUNDEN ** ********************************* DWH_ID I KDNR K BLZ DWH_DATE I outdor@kontakt.de :50:46, I Meier@info.de :50:46, U meier@info.de :50:47, D meier@info.de :50:48,
27 ***************************** ** Tabelle: GSA.GSA_FILTER ** ***************************** Show Case 1 ETL (Metadaten) NAME TABLE_NAME FILTER DWH_TEST KUNDEN mod(to_number(substr(kdnr,-1,1)),2)=0 ******************************* ** Tabelle: GSA.GSA_SUPPRESS ** ******************************* NAME TABLE_NAME COLUMN_NAME DWH_TEST KUNDEN KTO *************************** ** Tabelle: GSA.GSA_MASK ** *************************** NAME TABLE_NAME COLUMN_NAME DWH_TEST KUNDEN BLZ 27 27
28 *********************** ** Start ETL-Prozess ** *********************** 4 Sätze in DWH_KUNDEN_SAT_OLTP eingetragen 1 Sätze in DWH_KUNDEN_SAT_OLTP geõändert 2 Sätze in DWH_KUNDEN_SAT_OLTP gelöscht 1 Satz fehlerhaft ********************************* ** Stage-View: DWH_PROD.KUNDEN ** ********************************* Show Case 1 ETL (ETL für DWH_PROD) DWH_ID I KDNR KTO BLZ DWH_DATE I abenteur@info.de :50:46, I outdor@kontakt.de :50:46, I Peter.Müller@gmx.de :50:46, I Meier@info.de :50:46, U meier@info.de :50:47, D meier@info.de :50:48, I adv@google.com :50:46, D adv@google.com :50:48, *************************** Tabelle: GSA.GSA_ROW_STATUS *************************** DWH_ID CONSUMER STATUS ERR_CODE DWH_PROD delivered 11 DWH_PROD delivered 12 DWH_PROD error KTO too long 13 DWH_PROD delivered 14 DWH_PROD delivered 15 DWH_PROD delivered 16 DWH_PROD delivered 17 DWH_PROD delivered 28 28
29 Show Case 1 ETL (ETL für DWH_PROD Ergebnisse) ********************************** ** DWH-Tabelle: DWH_PROD.KUNDEN ** ********************************** NAME KTO BLZ VALID_FROM VALID_TILL Abenteuer AG abenteur@info.de :50:46, :00:00, Outdor GmbH outdor@kontakt.de :50:46, :00:00, Zelt Meier Meier@info.de :50:46, :50:47, Zelt Meier meier@info.de :50:47, :50:48, Adventure Corp adv@google.com :50:46, :50:48,
30 *********************** ** Start ETL-Prozess ** *********************** 2 Sätze in DWH_KUNDEN_SAT_OLTP eingetragen 1 Sätze in DWH_KUNDEN_SAT_OLTP geändert 1 Sätze in DWH_KUNDEN_SAT_OLTP gelöscht 0 Sätze fehlerhaft ********************************* ** Stage-View: DWH_TEST.KUNDEN ** ********************************* Show Case 1 ETL (ETL für DWH_TEST) DWH_ID I KDNR K BLZ DWH_DATE I outdor@kontakt.de :50:46, I Meier@info.de :50:46, U meier@info.de :50:47, D meier@info.de :50:48, *************************** Tabelle: GSA.GSA_ROW_STATUS *************************** DWH_ID CONSUMER STATUS ERR_CODE DWH_TEST skiped 11 DWH_TEST delivered 12 DWH_TEST skiped 13 DWH_TEST delivered 14 DWH_TEST skiped 15 DWH_TEST delivered 16 DWH_TEST delivered 17 DWH_TEST skiped 30 30
31 ********************************** ** DWH-Tabelle: DWH_TEST.KUNDEN ** ********************************** Show Case 1 ETL (ETL für DWH_TEST Ergebnisse) NAME KTO BLZ VALID_FROM VALID_TILL Zelt Meier Meier@info.de :50:46, :50:47, Zelt Meier meier@info.de :50:47, :50:48, Outdor GmbH outdor@kontakt.de :50:46, :00:00,
32 Show Case 2 - CleanUp 32 32
33 *************************** Tabelle: GSA.GSA_ROW_STATUS *************************** Show Case 2 CleanUp (Anzeige Datenlage) DWH_ID CONSUMER STATUS ERR_CODE DWH_PROD delivered 10 DWH_TEST skiped 11 DWH_PROD delivered 11 DWH_TEST delivered 12 DWH_PROD error KTO too long 12 DWH_TEST skiped 13 DWH_PROD delivered 13 DWH_TEST delivered 14 DWH_PROD delivered 14 DWH_TEST skiped 15 DWH_PROD delivered 15 DWH_TEST delivered 16 DWH_PROD delivered 16 DWH_TEST delivered 17 DWH_PROD delivered 17 DWH_TEST skiped ************************* ** Tabelle: GSA.KUNDEN ** ************************* DWH_ID I KDNR NAME KTO BLZ DWH_DATE I Abenteuer AG abenteur@info.de :50:46, I Outdor GmbH outdor@kontakt.de :50:46, I Kletter-Mueller Peter.Müller@gmx.de :50:46, I Zelt Meier Meier@info.de :50:46, U Zelt Meier meier@info.de :50:47, D Zelt Meier meier@info.de :50:48, I Adventure Corp adv@google.com :50:46, D Adventure Corp adv@google.com :50:48,
34 ************************* ** Clean Up von KUNDEN ** ************************* Show Case 2 CleanUp (Durchführen CleanUp) Tablle KUNDEN bereinigt 34 34
35 *************************** Tabelle: GSA.GSA_ROW_STATUS *************************** Show Case 2 CleanUp (Ergebnisanzeige) DWH_ID CONSUMER STATUS ERR_CODE DWH_PROD error KTO too long 12 DWH_TEST skiped ************************* ** Tabelle: GSA.KUNDEN ** ************************* DWH_ID I KDNR NAME KTO BLZ DWH_DATE I Kletter-Mueller Peter.Müller@gmx.de :50:46,
36 Show Case 3 Register DWH_ENTW DWH_PROD GSA Kunden-Hub OLTP Stage GSA_DWH_PROD Kunden Kunden-Sat DWH_TEST Kunden Kunden GSA_DWH_TEST Kunden-Hub Kunden Kunden-Sat Metadaten Filter Mask Suppress Consumer DWH_ENTW Kunden-Hub Kunden-Sat 36 36
37 Show Case 3 Register DWH_ENTW 37 37
38 ****************** ** Alle Objekte ** ****************** Show Case 3 Register DWH_ENTW (alle Objekte) OWNER OBJECT_TYPE OBJECT_NAME DWH_ENTW TABLE DWH_KUNDEN_HUB DWH_ENTW TABLE DWH_KUNDEN_SAT_OLTP DWH_PROD TABLE DWH_KUNDEN_HUB DWH_PROD TABLE DWH_KUNDEN_SAT_OLTP DWH_PROD SYNONYM KUNDEN DWH_TEST TABLE DWH_KUNDEN_HUB DWH_TEST TABLE DWH_KUNDEN_SAT_OLTP DWH_TEST SYNONYM KUNDEN GSA TABLE KUNDEN GSA_DWH_PROD VIEW KUNDEN GSA_DWH_TEST VIEW KUNDEN 38 38
39 *************************** ** DWH_ENTW registrieren ** *************************** Consumer DWH_ENTW angelegt Show Case 3 Register DWH_ENTW (Register DWH_ENTW) Filter für Consumer DWH_ENTW auf Tabelle KUNDEN angelegt Unterdrükung für Consumer DWH_ENTW auf Tabelle KUNDEN und Spalte KTO angelegt Maskierung für Consumer DWH_ENTW auf Tabelle KUNDEN und Spalte BLZ angelegt Views für Consumer DWH_ENTW aktualisiert 39 39
40 ****************** ** Alle Objekte ** ****************** Show Case 3 Register DWH_ENTW (Ergebnisanzeige) OWNER OBJECT_TYPE OBJECT_NAME DWH_ENTW TABLE DWH_KUNDEN_HUB DWH_ENTW TABLE DWH_KUNDEN_SAT_OLTP DWH_ENTW SYNONYM KUNDEN DWH_PROD TABLE DWH_KUNDEN_HUB DWH_PROD TABLE DWH_KUNDEN_SAT_OLTP DWH_PROD SYNONYM KUNDEN DWH_TEST TABLE DWH_KUNDEN_HUB DWH_TEST TABLE DWH_KUNDEN_SAT_OLTP DWH_TEST SYNONYM KUNDEN GSA TABLE KUNDEN GSA_DWH_ENTW VIEW KUNDEN GSA_DWH_PROD VIEW KUNDEN GSA_DWH_TEST VIEW KUNDEN 40 40
41 Show Case 3 Register DWH_ENTW (Daten erzeugen) insert into oltp.kunden (kdnr,name,kto,blz, ) select as kdnr, 'Abenteuer AG' as name, as kto, as blz, 'abenteur@info.de' as from dual union all select as kdnr, 'Outdor GmbH' as name, as kto, as blz, 'outdor@kontakt.de' as from dual union all select as kdnr, 'Kletter-Mueller' as name, as kto, as blz, 'Peter.Müller@gmx.de' as from dual union all select as kdnr, 'Zelt Meier' as name, as kto, as blz, 'Meier@info.de' as from dual union all select as kdnr, 'Adventure Corp.' as name, as kto, as blz, 'adv@google.com' as from dual; update oltp.kunden set = 'meier@info.de' where kdnr = ; delete from oltp.kunden where kdnr in (101004,101005); ************************** ** Tabelle: OLTP.KUNDEN ** ************************** KDNR NAME KTO BLZ Abenteuer AG abenteur@info.de Outdor GmbH outdor@kontakt.de Kletter-Mueller Peter.Müller@gmx.de 41 41
42 ************************* ** Tabelle: GSA.KUNDEN ** ************************* Show Case 3 Register DWH_ENTW (Inhalte GSA) DWH_ID I KDNR NAME KTO BLZ DWH_DATE I Abenteuer AG abenteur@info.de :38:29, I Outdor GmbH outdor@kontakt.de :38:29, I Kletter-Mueller Peter.Müller@gmx.de :38:29, I Zelt Meier Meier@info.de :38:29, U Zelt Meier meier@info.de :38:30, D Zelt Meier meier@info.de :38:31, I Adventure Corp adv@google.com :38:29, D Adventure Corp adv@google.com :38:31, *************************** Tabelle: GSA.GSA_ROW_STATUS *************************** DWH_ID CONSUMER STATUS ERR_CODE DWH_PROD inserted 25 DWH_TEST inserted 25 DWH_ENTW inserted 26 DWH_PROD inserted 26 DWH_TEST inserted 26 DWH_ENTW inserted 27 DWH_PROD inserted 27 DWH_TEST inserted 27 DWH_ENTW inserted 28 DWH_PROD inserted 28 DWH_TEST inserted 28 DWH_ENTW inserted 29 DWH_PROD inserted 42 42
43 ********************************* ** Stage-View: DWH_PROD.KUNDEN ** ********************************* Show Case 3 Register DWH_ENTW (Inhalte Views) DWH_ID I KDNR KTO BLZ DWH_DATE I abenteur@info.de :38:29, I outdor@kontakt.de :38:29, I Peter.M³ller@gmx.de :38:29, I Meier@info.de :38:29, U meier@info.de :38:30, D meier@info.de :38:31, I adv@google.com :38:29, D adv@google.com :38:31, ********************************* ** Stage-View: DWH_TEST.KUNDEN ** ********************************* DWH_ID I KDNR K BLZ DWH_DATE I outdor@kontakt.de :38:29, I Meier@info.de :38:29, U meier@info.de :38:30, D meier@info.de :38:31, ********************************* ** Stage-View: DWH_ENTW.KUNDEN ** ********************************* DWH_ID I KDNR K BLZ DWH_DATE I abenteur@info.de :38:29, I Peter.M³ller@gmx.de :38:29, I adv@google.com :38:29, D adv@google.com :38:31,
44 ***************************** ** Tabelle: GSA.GSA_FILTER ** ***************************** Show Case 3 Register DWH_ENTW (Metadaten) NAME TABLE_NAME FILTER DWH_ENTW KUNDEN mod(to_number(substr(kdnr,-1,1)),2)=1 DWH_TEST KUNDEN mod(to_number(substr(kdnr,-1,1)),2)=0 ******************************* ** Tabelle: GSA.GSA_SUPPRESS ** ******************************* NAME TABLE_NAME COLUMN_NAME DWH_ENTW KUNDEN KTO DWH_TEST KUNDEN KTO *************************** ** Tabelle: GSA.GSA_MASK ** *************************** NAME TABLE_NAME COLUMN_NAME DWH_ENTW KUNDEN BLZ DWH_TEST KUNDEN BLZ 44 44
45 Show Case 3 Register DWH_ENTW (Ergebnis) DWH_PROD GSA Kunden-Hub Kunden-Sat OLTP Kunden Stage Kunden GSA_DWH_PROD Kunden GSA_DWH_TEST DWH_TEST Kunden-Hub Kunden-Sat Kunden GSA_DWH_ENTW DWH_ENTW Kunden Kunden-Hub Metadaten Filter Mask Suppress Consumer Kunden-Sat 45 45
Formatierte Berichte Excel-Dateien mittels PL/SQL erzeugen. Robert Marz its-people
Formatierte Berichte Excel-Dateien mittels PL/SQL erzeugen Robert Marz its-people 1 Robert Marz Technical Architect Portfoliomanagement Datenbanken its-people Hochtaunus GmbH robert.marz@its-people.de
MehrMehr Dynamik in Apex mit Javascript und JQuery. Alexander Scholz its-people
Vortrag zur DOAG Konferenz 2011 Mehr Dynamik in Apex mit und Alexander Scholz its-people 1 Ablauf Thema des Vortragsthemas Motivation Besonderheit des Referenten Alexander Scholz its-people Wie kann in
Mehr1001 Möglichkeiten eine Staging Area zu füllen. Sven Bosinger its-people GmbH
Ausgangslage Szenarien Populate the Stage - 1001 Möglichkeiten eine Staging Area zu füllen Sven Bosinger its-people GmbH 1 Sven Bosinger Solution Architect BI und Portfoliomanagement BI its-people GmbH
MehrAdvanced Monitoring von ETL-Prozessen. Sven Bosinger its-people
Sven Bosinger its-people 1 Sven Bosinger Solution Architect BI u. Portfoliomanagement BI its-people Hochtaunus GmbH sven.bosinger@its-people.de www.its-people.de 2 Das Team Unternehmensphilosophie Gemeinschaft
MehrVirtualisierung, Cloud und Hosting - Kriterien und Entscheidungshilfen. Ein Gemeinschaftsvortrag von its-people und managedhosting.
Virtualisierung, Cloud und Hosting - Kriterien und Entscheidungshilfen Ein Gemeinschaftsvortrag von its-people und managedhosting.de 1 Agenda Vorstellung Werbung Die Treiber Praxisbeispiele Virtualisierung
MehrGlobal Staging Area: Implementierung einer zentralen Daten-Drehscheibe
Die Versorgung eines Data Wa rehau se (DWH) mit frisch en Daten kann zuwei len eine große Herausforde rung sein. Es sind in der Regel nicht nur ein DWH-System, sonde rn zumeist mehrere Systeme wie die
MehrDa fliegt die Kuh Rasante Datenbankklone durch cow (copy-on-write) Robert Marz Technical Architect. www.its-people.de
Da fliegt die Kuh Rasante Datenbankklone durch cow (copy-on-write) Robert Marz Technical Architect Da fliegt die Kuh > Einleitung Robert Marz Technical Architect Portfoliomanagement Datenbanken its-people
MehrVollständig generisches DWH für kleine und mittelständische Unternehmen
Vollständig generisches DWH für kleine und mittelständische Unternehmen Marc Werner Freiberufler Berlin Schlüsselworte: Wirtschaftlichkeit, Kostenreduzierung, Metadaten, Core Data Warehouse, Slowly Changing
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
MehrSzenarien zu Hochverfügbarkeit und Skalierung mit und ohne Oracle RAC. Alexander Scholz
Hochverfügbar und Skalierung mit und ohne RAC Szenarien zu Hochverfügbarkeit und Skalierung mit und ohne Oracle RAC Alexander Scholz Copyright its-people Alexander Scholz 1 Einleitung Hochverfügbarkeit
MehrWhitepaper. Produkt: combit Relationship Manager. Datensatzhistorie mit dem SQL Server 2000 und 2005. combit GmbH Untere Laube 30 78462 Konstanz
combit GmbH Untere Laube 30 78462 Konstanz Whitepaper Produkt: combit Relationship Manager Datensatzhistorie mit dem SQL Server 2000 und 2005 Datensatzhistorie mit dem SQL Server 2000 und 2005-2 - Inhalt
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
MehrFunktion definieren Gibt Summe der Gehälter zurück. Aufruf in einem SQL-Statement
Funktion definieren Gibt Summe der Gehälter zurück Aufruf in einem SQL-Statement Dr. Christian Senger Einführung PL/SQL 1 Procedures & Transaktionen CREATE OR REPLACE PROCEDURE write_log ( log_code IN
MehrNear Realtime ETL mit Oracle Golden Gate und ODI. Lutz Bauer 09.12.2015
Near Realtime ETL mit Oracle Golden Gate und ODI Lutz Bauer 09.12.2015 Facts & Figures Technologie-orientiert Branchen-unabhängig Hauptsitz Ratingen 240 Beschäftigte Inhabergeführt 24 Mio. Euro Umsatz
MehrOWB Referenzarchitektur, Releasemanagement und Deployment. Carsten Herbe metafinanz - Informationssysteme GmbH
OWB Referenzarchitektur, Releasemanagement und Deployment Carsten Herbe metafinanz - Informationssysteme GmbH Wir fokussieren mit unseren Services die Herausforderungen des Marktes und verbinden Mensch
MehrMengenvergleiche: Alle Konten außer das, mit dem größten Saldo.
Mengenvergleiche: Mehr Möglichkeiten als der in-operator bietet der θany und der θall-operator, also der Vergleich mit irgendeinem oder jedem Tupel der Unteranfrage. Alle Konten außer das, mit dem größten
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
MehrITGAIN Fach- und Technikspezialist
ITGAIN Fach- und Technikspezialist KOMPETENZ GEWINNBRINGEND EINSETZEN. Copyright 2012 ITGAIN GmbH 1 SPoT Wir bringen Ihre Informationen auf den Punkt. Hamburg, 07.05.2012 FACTORY-ANSATZ FÜR ETL-PROZESSE
MehrDatawarehouse 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
MehrSven 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
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
MehrReferenzielle Integrität SQL
Referenzielle Integrität in SQL aus Referential Integrity Is Important For Databases von Michael Blaha (Modelsoft Consulting Corp) VII-45 Referenzielle Integrität Definition: Referenzielle Integrität bedeutet
Mehr25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU
BLUEFORTE GmbH Dirk Lerner 25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU 1 Elemente des Data Vault (Basic) HUB
MehrData Vault. Modellierungsmethode für agile Data Warehouse Systeme. Dr. Bodo Hüsemann Informationsfabrik GmbH. DOAG BI, München, 17.04.
Data Vault Modellierungsmethode für agile Data Warehouse Systeme Dr. Bodo Hüsemann Informationsfabrik GmbH DOAG BI, München, 17.04.2013 Die Informationsfabrik Die Informationsfabrik macht erfolgreiche
MehrEinführung in SQL. 1. Grundlagen SQL. Structured Query Language. Viele Dialekte. Unterteilung: i. DDL (Data Definition Language)
Einführung in SQL 1. Grundlagen Structured Query Language Viele Dialekte Unterteilung: i. DDL (Data Definition Language) ii. iii. DML (Data Modifing Language) DRL (Data Retrival Language) 1/12 2. DDL Data
MehrFördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH. Software mit Format.
Fördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH Gerd Schandert, Neuss den 18.03.2014 Agenda 1. Vorstellung Auftraggeber 2. Förderung allgemein 3. Schichten im Data Warehouse 4.
MehrÄnderungen erkennen Schneller handeln Stefan Panek. Senior Consultant Christoph Jansen. Consultant 23.10.2008
Änderungen erkennen Schneller handeln Stefan Panek. Senior Consultant Christoph Jansen. Consultant 23.10.2008 Seit der Datenbankversion 9i bietet Oracle das Feature Change Data Capture an. Aber was genau
MehrAgile BI in der Praxis
Agile BI in der Praxis Agiles Testen Thomas Flecken Consultant OPITZ CONSULTING Deutschland GmbH Oracle DWH Konferenz Kassel, 20.03.2013 OPITZ CONSULTING Deutschland GmbH 2013 Seite 1 Agenda 1. Vorstellung
MehrOracle: Abstrakte Datentypen:
Oracle: Abstrakte Datentypen: Oracle bietet zwei mögliche Arten um abstrakte Datentypen zu implementieren: Varying Array Nested Table Varying Array (kunde) kdnr kdname gekaufteart 1 Mustermann 1 4 5 8
MehrVom Single Point of Truth zur Single Version of the Facts. Data Warehousing zu Beginn des BigData-Zeitalters. inspire IT - Frankfurt 11. 12.05.
Vom Single Point of Truth zur Single Version of the Facts Data Warehousing zu Beginn des BigData-Zeitalters inspire IT - Frankfurt 11. 12.05.2015 Fahmi Ouled-Ali Kabel Deutschland Marian Strüby OPITZ CONSULTING
MehrETL Monitoring & Tuning durch Auswertung der OWB Laufzeit-Metadaten. Referent: Lutz Bauer, Leiter CC Data Integration, MT AG
ETL Monitoring & Tuning durch Auswertung der OWB Laufzeit-Metadaten Referent: Lutz Bauer, Leiter CC Data Integration, MT AG MT AG managing technology Key-facts: 1994: Gründung als MT Software GmbH 2000:
MehrErfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management
Erfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management Sprecher: Uwe Nadler, Senior Managing Consultant 1 Marketing braucht unterschiedliche Informationen, um entsprechende
MehrOracle BI&W Referenz Architektur Big Data und High Performance Analytics
DATA WAREHOUSE Oracle BI&W Referenz Architektur Big Data und High Performance Analytics Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen
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
MehrTRACK II Datenmanagement Strategien & Big Data Speicherkonzepte BI Operations Erfolgsfaktoren für einen effizienten Data Warehouse Betrieb
9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics
MehrEinführung in SQL Datenbanken bearbeiten
Einführung in SQL Datenbanken bearbeiten Jürgen Thomas Entstanden als Wiki-Buch Bibliografische Information Diese Publikation ist bei der Deutschen Nationalbibliothek registriert. Detaillierte Angaben
MehrAdvanced Queues und XML-DB Integration von Oracle in einer SOA mit Hilfe von asynchroner Kommunikation und XML-Verarbeitung
TAG DER DATENBANKEN 20.06.2013 Udo Pütz Dr. Andreas Kumpf Advanced Queues und XML-DB Integration von Oracle in einer SOA mit Hilfe von asynchroner Kommunikation und XML-Verarbeitung Übersicht Motivation
MehrPostgreSQL High-Security
PostgreSQL High-Security Mailserver Konferenz Berlin, 2014 Hans-Jürgen Schönig PostgreSQL im Einsatz: - Storage Backend - Heinlein Mail Archiv - Archiveopteryx - DBMail - etc. - Authentication Backend
MehrViews in SQL. 2 Anlegen und Verwenden von Views 2
Views in SQL Holger Jakobs bibjah@bg.bib.de, holger@jakobs.com 2010-07-15 Inhaltsverzeichnis 1 Wozu dienen Views? 1 2 Anlegen und Verwenden von Views 2 3 Schreibfähigkeit von Views 3 3.1 Views schreibfähig
MehrDatenbanken SQL Einführung Datenbank in MySQL einrichten mit PhpMyAdmin
Datenbanken SQL Einführung Datenbank in MySQL einrichten mit PhpMyAdmin PhpMyAdmin = grafsches Tool zur Verwaltung von MySQL-Datenbanken Datenbanken erzeugen und löschen Tabellen und Spalten einfügen,
MehrFachhochschule Deggendorf Platzziffer:...
Sommersemester 2008 Zahl der Blätter: 9 Fachbereich: Betriebswirtschaft WI Bachelor Hilfsmittel: alles ohne Computer Zeit: 90 Minuten 1 Betrachten Sie die drei markierten Zeilen. 1. Angenommen Sie hätten
MehrKapitel 33. Der xml-datentyp. In diesem Kapitel: Der xml-datentyp 996 Abfragen aus xml-datentypen 1001 XML-Indizierung 1017 Zusammenfassung 1023
Kapitel 33 Der xml-datentyp In diesem Kapitel: Der xml-datentyp 996 Abfragen aus xml-datentypen 1001 XML-Indizierung 1017 Zusammenfassung 1023 995 996 Kapitel 33: Der xml-datentyp Eine der wichtigsten
MehrOracle OLAP 11g: Performance für das Oracle Data Warehouse
Oracle OLAP 11g: Performance für das Oracle Data Warehouse Marc Bastien Oracle BI Presales Agenda Performanceprobleme in Oracle DWH: gibt s das überhaupt? Mögliche Gründe und Lösungen
MehrEinführung in SQL. Sprachumfang: Indizes. Datensätzen. Zugriffsrechten
Einführung in SQL Die Sprache SQL (Structured Query Language) ist eine Programmiersprache für relationale Datenbanksysteme, die auf dem ANSI-SQL-Standard beruht. SQL wird heute von fast jedem Datenbanksystem
MehrBenutzerverwaltung, Sichten und Datenintegrität
Benutzerverwaltung, Sichten und Einige Vergleiche zwischen MySQL, Oracle und PostgreSQL OStR Michael Dienert, StR Ahmad Nessar Nazar 29. November und 30. November 2011 1 von 113 OStR Michael Dienert, StR
MehrFachhochschule Kaiserslautern Labor Datenbanken mit MySQL SS2006 Versuch 1
Fachhochschule Kaiserslautern Fachbereiche Elektrotechnik/Informationstechnik und Maschinenbau Labor Datenbanken Versuch 1 : Die Grundlagen von MySQL ------------------------------------------------------------------------------------------------------------
MehrDer SAS DataStep und die Prozedur SQL. 2014 Cellent Finance Solutions GmbH 05.06.2014 Seite: 1
Der SAS DataStep und die Prozedur SQL 2014 Cellent Finance Solutions GmbH 05.06.2014 Seite: 1 Zahlen und Fakten auf einen Blick Firmensitz: Geschäftsstellen: Branchenerfahrung: Umsatz: Anzahl Mitarbeiter:
MehrDipl. Inf. Eric Winter. PostgreSQLals HugeData Storage Ein Erfahrungsbericht
Dipl. Inf. Eric Winter Entwicklungsleiter PTC GPS-Services GmbH PostgreSQLals HugeData Storage Ein Erfahrungsbericht Inhalt 1. Problembeschreibung 2. Partielle Indexierung 3. Partitionierung 1. Vererbung
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
MehrIV. Datenbankmanagement
Wirtschaftsinformatik 2 (PWIN) IV. Datenbankmanagement Kapitel 2: Datenmanipulationssprache SQL Wirtschaftsinformatik 2 (PWIN) SS 2009, Professur für Mobile Business & Multilateral Security 1 Agenda 1.
MehrDATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle
DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell
MehrFakultät für Informatik & Wirtschaftsinformatik DB & IS II - SS 2015. XMLType. Christian Senger/Andreas Schmidt XMLType 1/32
XMLType Christian Senger/Andreas Schmidt XMLType 1/32 XMLType von Oracle vordefinierter Typ zur Speicherung von nativen XML-Dokumenten unterstützt verschiedene Speichermodelle für XML structured storage
MehrRaus aus der Bl-Falle
Ronald Bachmann, Dr. Guido Kemper Raus aus der Bl-Falle Wie Business Intelligencezum Erfolg wird mitp Die Autoren 13 Vorwort 15 1 Einleitung 21 1.1 Was ist Business Intelligence (BI)? 21 1.2 Motive zur
MehrÜbung 1: Ein Website News-System mit MySQL
Übung 1: Ein Website News-System mit MySQL In der Vorübung haben wir bereits mit Hilfe eines ERMs den Datenbankentwurf erstellt und daraus die folgenden Tabellen abgeleitet: Nun muss diese Datenbank in
MehrFakultät für Informatik & Wirtschaftsinformatik DB & IS II - SS 2015. Metadaten
Fakultät für Informatik & Wirtschaftsinformatik Metadaten Metadaten sind Daten über Daten Data-Dictionary speichert Informationen über die Struktur der Daten, z.b.: Tabellen, Spalten, Datentypen Primär-
MehrFehlertolerante Ladeprozesse gegen schlaflose Nächte
Fehlertolerante Ladeprozesse gegen schlaflose Nächte Dani Schnider Principal Consultant 19. September 2012 Mitten in der Nacht bricht die ETL-Verarbeitung ab, weil ein falscher oder unvollständiger Datensatz
MehrDatumsangaben, enthält mindestens Jahr, Monat, Tag
Datenbanken mit SQL Informatik - Sprenger Häufig wird mit Tabellenkalkulationen gearbeitet, obwohl der Einsatz von Datenbanken sinnvoller ist. Tabellenkalkulationen wie Microsoft Excel oder LibreOffice
Mehrinnovation@work Reporting im Umfeld von SAP BWonHANA Dos & Don ts aus der Praxis Tjarko von Lehsten, Rüdiger Hagmann Swisscom Enterprise Customers
innovation@work Reporting im Umfeld von BWonHANA Dos & Don ts aus der Praxis Tjarko von Lehsten, Rüdiger Hagmann Swisscom Enterprise Customers Agenda innovation@work 2 Einführung in das Projekt onebi onebi
MehrOracle-Statistiken im Data Warehouse effizient nutzen
Oracle-Statistiken im Data Warehouse effizient nutzen Reinhard Mense ARETO Consulting Köln Schlüsselworte: DWH, Data Warehouse, Statistiken, Optimizer, Performance, Laufzeiten Einleitung Für die performante
MehrJDBC. Es kann z.b. eine ODBC-Treiberverbindung eingerichtet werden, damit das JAVA-Programm auf eine ACCESS-DB zugreifen kann.
JDBC in 5 Schritten JDBC (Java Database Connectivity) ist eine Sammlung von Klassen und Schnittstellen, mit deren Hilfe man Verbindungen zwischen Javaprogrammen und Datenbanken herstellen kann. 1 Einrichten
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.
MehrNachtrag: Farben. Farbblindheit. (Light und Bartlein 2004)
Nachtrag: Farben Farbblindheit (Light und Bartlein 2004) 1 Vorgeschlagene Farbskalen (Light and Bartlein 2004) Farbkodierung metrisch skalierter Daten Unterscheide: 1. Sequential Data (ohne Betonung der
MehrOracle SQL Developer Lassen Sie sich anstecken!
we make the difference www.its-people.de Oracle SQL Developer Lassen Sie sich anstecken! 17. November 2015 Sabine Heimsath Senior Consultant sabine.heimsath@its-people.de @flederbine Unsere Vorträge auf
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
MehrDipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009
Hochschule Darmstadt DATENBANKEN Fachbereich Informatik Praktikum 3 Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009 PL/SQL Programmierung Anwendung des Cursor Konzepts und Stored Procedures Und Trigger
MehrBICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center
BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center Ing. Polzer Markus öffentlich Inhaltsverzeichnis 1 2 3 4 5 6 7 Kurzvorstellung Raiffeisen Solution Business Intelligence Strategie
MehrStructuredQueryLanguage(SQL)
StructuredQueryLanguage(SQL) Themen: ErstelenundÄndernvonTabelen AbfragenvonDaten Einfügen,ÄndernundLöschenvonDaten Erstelennutzerde niertersichten(views) 2012Claßen,Kempa,Morcinek 1/23 SQL Historie System
MehrHochschule Karlsruhe Technik und Wirtschaft- 10.7.2013. Anhänge: Fakultät für Informatik und Wirtschaftsinformatik SS 2013 Prof. Schmidt.
Fakultät für Informatik und Wirtschaftsinformatik SS 2013 Datenbanken und Informationssysteme II Szenario: Projektverwaltung. Es gibt Projekte, Projektleiter, Mitarbeiter und ihre Zuordnung zu Projekten.
MehrBI-Metadaten. Ein ETL-Toolübergreifender. Ansatz. Dr. Lutz Driesen BI-Konferenz Hannover/ 11.03.2015
BI-Metadaten Ein ETL-Toolübergreifender Ansatz Dr. Lutz Driesen BI-Konferenz Hannover/ 11.03.2015 Inhalt 1 Die BI-Landschaft bei der Allianz Deutschland AG 2 Problem: Die technische Diversität der ETL-Prozesse
MehrDie perfekte Kombination im Agilen Data Warehouse Oracle Engineered Systems mit Data Vault
Die perfekte Kombination im Agilen Data Warehouse Oracle Engineered Systems mit Data Vault Herbert Rossgoderer Geschäftsführer Matthias Fuchs DWH Architekt ISE Information Systems Engineering GmbH ISE
Mehr7. Datenbank-Zugriff. Vorlesung und Übung Dr. Peter Pfahler Institut für Informatik Universität Paderborn. Zum Beispiel aus PHP-Skripten: Client 7-2
5 Vorlesung und Übung Dr. Peter Pfahler Institut für Informatik Universität Paderborn 7 7. Datenbank-Zugriff Zum Beispiel aus PHP-Skripten: Client 7-2 Struktur einer Datenbank 7-3 Erzeugen von Datenbanken
MehrDatenbanken: Datenintegrität. www.informatikzentrale.de
Datenbanken: Datenintegrität Definition "Datenkonsistenz" "in der Datenbankorganisation (...) die Korrektheit der gespeicherten Daten im Sinn einer widerspruchsfreien und vollständigen Abbildung der relevanten
MehrDatenbanktechnologie mit praktischen Übungen in MySQL und PHP
Datenbanktechnologie mit praktischen Übungen in MySQL und PHP Übung, Sommersemester 2013 22. April 2013 - MySQL Sebastian Cuy sebastian.cuy@uni-koeln.de Datenbanken Was sind eigentlich Datenbanken? Eine
MehrAgile BI in der Praxis
Agile BI in der Praxis Agiles Testen Andreas Ballenthin, Solution Architect OPITZ CONSULTING Deutschland GmbH Agile World 2014 München, 01.07.2014 OPITZ CONSULTING GmbH 2014 Seite 1 Agenda 1. Vorstellung
MehrWie sicher sind Database Links?
Wie sicher sind Database Links? Dani Schnider Principal Consultant 1. Mai 2013 In vielen Data Warehouses werden die Quelldaten über Database Links in die Staging Area geladen. Dabei wird häufig die Frage
MehrTRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI
9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics
MehrPROZESSE INTEGRIEREN leicht gemacht EFFIZIENTE PROZESSE
PROZESSE INTEGRIEREN leicht gemacht DURCH TransConnect Geschäftsprozesse ableiten mit der Universal Worklist (UWL) Integrationsszenarien effektiver verwalten und transportieren Optimierte Personalverwaltung
MehrOracle Warehouse Builder: Automatisierung von Designschritten bei der Bayer HealthCare AG. Referent: Lutz Bauer, MT AG, Leiter CC Data Integration
Oracle Warehouse Builder: Automatisierung von Designschritten bei der Bayer HealthCare AG Referent: Lutz Bauer, MT AG, Leiter CC Data Integration MT AG managing technology Key-facts: 1994: Gründung als
Mehr3.17 Zugriffskontrolle
3. Der SQL-Standard 3.17. Zugriffskontrolle Seite 1 3.17 Zugriffskontrolle Datenbanken enthalten häufig vertrauliche Informationen, die nicht jedem Anwender zur Verfügung stehen dürfen. Außerdem wird man
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
MehrMarketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Übersicht über Business Intelligence Josef Kolbitsch Manuela Reinisch Übersicht Beispiel: Pantara Holding Der Begriff Business Intelligence Übersicht über ein klassisches BI-System
MehrData Warehouse Architekturtrends
Data Warehouse Architekturtrends Dr. Bodo Hüsemann Informationsfabrik GmbH Münster Schlüsselworte Architektur, Business Intelligence, Data Warehouse, Realtime Data Warehouse, Operational BI, Selfservice
MehrWhitePaper. Mai 2012. BIA Business Intelligence Accelerator. Markus Krenn Geschäftsführer Mail: m.krenn@biaccelerator.com
WhitePaper BIA Business Intelligence Accelerator Mai 2012 Markus Krenn Geschäftsführer Mail: m.krenn@biaccelerator.com BIA Business Intelligence Accelerator GmbH Softwarepark 26 A-4232 Hagenberg Mail:
MehrPerformance by Design Wie werden performante ETL-Prozesse erstellt?
Performance by Design Wie werden performante ETL-Prozesse erstellt? Reinhard Mense ARETO Consulting Bergisch Gladbach Schlüsselworte: DWH, Data Warehouse, ETL-Prozesse, Performance, Laufzeiten, Partitionierung,
MehrFortgeschrittene SQL-Techniken für APEX-Formulare und -Reports
Fortgeschrittene SQL-Techniken für APEX-Formulare und -Reports Andreas Wismann WHEN OTHERS D-41564 Kaarst Schlüsselworte APEX 4.2, SQL, Tabular Forms, Classic Report, Interactive Report Einleitung "Darf
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,
MehrFREUDENBERG IT. Mobile Business Intelligence
FREUDENBERG IT Mobile Business Intelligence Mobile Business Intelligence AGENDA Herausforderung mobiler Lösungen Vorstellung der Produkte Freudenberg ITs Lösungen Warum SAP? Herausforderung mobiler Lösungen
MehrAutomatisierte Datenmigration mit dynamischen SQL
Automatisierte Datenmigration mit dynamischen SQL Rolf Wesp Consultant Rolf.Wesp@trivadis.com Düsseldorf, 27. Oktober 2009 Baden Basel Bern Brugg Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br.
MehrAgile 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
MehrDatenbanktechnologie mit praktischen Übungen in MySQL und PHP
Datenbanktechnologie mit praktischen Übungen in MySQL und PHP Übung, Sommersemester 2013 29. April 2013 - MySQL 2 Sebastian Cuy sebastian.cuy@uni-koeln.de Aufgaben Anmerkungen Best practice: SQL Befehle
MehrSQL Tutorial. SQL - Tutorial SS 06. Hubert Baumgartner. INSO - Industrial Software
SQL Tutorial SQL - Tutorial SS 06 Hubert Baumgartner INSO - Industrial Software Institut für Rechnergestützte Automation Fakultät für Informatik Technische Universität Wien Inhalt des Tutorials 1 2 3 4
Mehr105.3 SQL-Datenverwaltung
LPI-Zertifizierung 105.3 SQL-Datenverwaltung Copyright ( ) 2009 by Dr. W. Kicherer. This work is licensed under the Creative Commons Attribution-Noncommercial-Share Alike 2.0 Germany License. To view a
MehrUnterabfragen (Subqueries)
Unterabfragen (Subqueries) Die kürzeste Formulierung ist folgende: SELECT Felderliste FROM Tabelle1 WHERE Tabelle1.Feldname Operator (SELECT Feldname FROM Tabelle2 WHERE Bedingung); wobei Tabelle1 und
MehrOracle Data Integrator in der Praxis
Oracle Data Integrator in der Praxis Anbindung von SAP ERP und Essbase Andreas Ballenthin Solution Architect OPITZ CONSULTING Gummersbach GmbH Oracle Business Intelligence und Data Warehouse Konferenz
Mehrarlanis Software AG SaaS-Integration und -Beratung Geschäftsfelder mit Zukunft
arlanis Software AG SaaS-Integration und -Beratung Geschäftsfelder mit Zukunft Speaker Bernhard Elk VP Business Development bernhard.elk@arlanis.com arlanis Software AG, D-60327 Frankfurt 2009, arlanis
MehrTechnologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle
Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle 40. Congress der Controller, Themenzentrum C, München Steffen Vierkorn, Geschäftsführer Qunis GmbH, Neubeuern Die
MehrÜbung 7 DBMS-FUNKTIONALITÄTEN UND DATENIMPORT
Übung 7 DBMS-FUNKTIONALITÄTEN UND DATENIMPORT 1 Metadaten a) Wozu werden Metadaten im Umfeld von DBMS benötigt? b) Nennen Sie mindestens zwei weitere Anwendungsfelder, in denen Metadaten zum Einsatz kommen.
MehrOWB Repository Individuelle Reports. Ute Middendorf metafinanz - Informationssysteme GmbH
OWB Repository Individuelle Reports Ute Middendorf metafinanz - Informationssysteme GmbH Wir fokussieren mit unseren Services die Herausforderungen des Marktes und verbinden Mensch und IT Facing the future
MehrConSol*CM6 Ihre Geschäftsprozesse werden gelebt. Kurzübersicht ConSol*CM
ConSol*CM6 Ihre Geschäftsprozesse werden gelebt Kurzübersicht ConSol*CM ConSol*CM im Einsatz Kernkompetenz = Arbeits- und Kommunikationsprozesse abbilden und steuern Spezialisierung auf Customer Service
Mehr