Global Staging Area - Implementierung einer zentralen Datendrehscheibe

Größe: px
Ab Seite anzeigen:

Download "Global Staging Area - Implementierung einer zentralen Datendrehscheibe"

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 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

Mehr

Mehr Dynamik in Apex mit Javascript und JQuery. Alexander Scholz its-people

Mehr 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

Mehr

1001 Möglichkeiten eine Staging Area zu füllen. Sven Bosinger its-people GmbH

1001 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

Mehr

Advanced Monitoring von ETL-Prozessen. Sven Bosinger its-people

Advanced 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

Mehr

Virtualisierung, 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. Virtualisierung, Cloud und Hosting - Kriterien und Entscheidungshilfen Ein Gemeinschaftsvortrag von its-people und managedhosting.de 1 Agenda Vorstellung Werbung Die Treiber Praxisbeispiele Virtualisierung

Mehr

Global Staging Area: Implementierung einer zentralen Daten-Drehscheibe

Global 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

Mehr

Da 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. 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

Mehr

Vollständig generisches DWH für kleine und mittelständische Unternehmen

Vollständig 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

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

Szenarien zu Hochverfügbarkeit und Skalierung mit und ohne Oracle RAC. Alexander Scholz

Szenarien 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

Mehr

Whitepaper. Produkt: combit Relationship Manager. Datensatzhistorie mit dem SQL Server 2000 und 2005. combit GmbH Untere Laube 30 78462 Konstanz

Whitepaper. 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

Mehr

Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH

Data 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

Mehr

Funktion definieren Gibt Summe der Gehälter zurück. Aufruf in einem SQL-Statement

Funktion 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

Mehr

Near 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 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

Mehr

OWB Referenzarchitektur, Releasemanagement und Deployment. Carsten Herbe metafinanz - Informationssysteme GmbH

OWB 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

Mehr

Mengenvergleiche: Alle Konten außer das, mit dem größten Saldo.

Mengenvergleiche: 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

Mehr

Marketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch

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

Mehr

ITGAIN Fach- und Technikspezialist

ITGAIN 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

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

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

Survival Guide für Ihr Business Intelligence-Projekt

Survival Guide für Ihr Business Intelligence-Projekt Survival Guide für Ihr Business Intelligence-Projekt Sven Bosinger Solution Architect BI Survival Guide für Ihr BI-Projekt 1 Agenda Was ist Business Intelligence? Leistungsumfang Prozesse Erfolgsfaktoren

Mehr

Referenzielle Integrität SQL

Referenzielle 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

Mehr

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

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

Mehr

Data 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. 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

Mehr

Einführung in SQL. 1. Grundlagen SQL. Structured Query Language. Viele Dialekte. Unterteilung: i. DDL (Data Definition Language)

Einführung 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

Mehr

Fördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH. Software mit Format.

Fördercontrolling 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.

Mehr

Änderungen 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 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

Mehr

Agile BI in der Praxis

Agile 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

Mehr

Oracle: Abstrakte Datentypen:

Oracle: 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

Mehr

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

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

Mehr

ETL 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 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:

Mehr

Erfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management

Erfolgreiches 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

Mehr

Oracle BI&W Referenz Architektur Big Data und High Performance Analytics

Oracle 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

Mehr

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

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

Mehr

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte BI Operations Erfolgsfaktoren für einen effizienten Data Warehouse Betrieb

TRACK 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

Mehr

Einführung in SQL Datenbanken bearbeiten

Einführung 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

Mehr

Advanced Queues und XML-DB Integration von Oracle in einer SOA mit Hilfe von asynchroner Kommunikation und XML-Verarbeitung

Advanced 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

Mehr

PostgreSQL High-Security

PostgreSQL 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

Mehr

Views in SQL. 2 Anlegen und Verwenden von Views 2

Views 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

Mehr

Datenbanken SQL Einführung Datenbank in MySQL einrichten mit PhpMyAdmin

Datenbanken 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,

Mehr

Fachhochschule Deggendorf Platzziffer:...

Fachhochschule 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

Mehr

Kapitel 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 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

Mehr

Oracle OLAP 11g: Performance für das Oracle Data Warehouse

Oracle 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

Mehr

Einführung in SQL. Sprachumfang: Indizes. Datensätzen. Zugriffsrechten

Einführung 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

Mehr

Benutzerverwaltung, Sichten und Datenintegrität

Benutzerverwaltung, 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

Mehr

Fachhochschule Kaiserslautern Labor Datenbanken mit MySQL SS2006 Versuch 1

Fachhochschule Kaiserslautern Labor Datenbanken mit MySQL SS2006 Versuch 1 Fachhochschule Kaiserslautern Fachbereiche Elektrotechnik/Informationstechnik und Maschinenbau Labor Datenbanken Versuch 1 : Die Grundlagen von MySQL ------------------------------------------------------------------------------------------------------------

Mehr

Der 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 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:

Mehr

Dipl. Inf. Eric Winter. PostgreSQLals HugeData Storage Ein Erfahrungsbericht

Dipl. 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

Mehr

good. better. outperform.

good. 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

Mehr

IV. Datenbankmanagement

IV. Datenbankmanagement Wirtschaftsinformatik 2 (PWIN) IV. Datenbankmanagement Kapitel 2: Datenmanipulationssprache SQL Wirtschaftsinformatik 2 (PWIN) SS 2009, Professur für Mobile Business & Multilateral Security 1 Agenda 1.

Mehr

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

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

Mehr

Fakultät für Informatik & Wirtschaftsinformatik DB & IS II - SS 2015. XMLType. Christian Senger/Andreas Schmidt XMLType 1/32

Fakultät 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

Mehr

Raus aus der Bl-Falle

Raus 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

Mehr

Übung 1: Ein Website News-System mit MySQL

Übung 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

Mehr

Fakultät für Informatik & Wirtschaftsinformatik DB & IS II - SS 2015. Metadaten

Fakultät 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-

Mehr

Fehlertolerante Ladeprozesse gegen schlaflose Nächte

Fehlertolerante 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

Mehr

Datumsangaben, enthält mindestens Jahr, Monat, Tag

Datumsangaben, 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

Mehr

innovation@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 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

Mehr

Oracle-Statistiken im Data Warehouse effizient nutzen

Oracle-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

Mehr

JDBC. Es kann z.b. eine ODBC-Treiberverbindung eingerichtet werden, damit das JAVA-Programm auf eine ACCESS-DB zugreifen kann.

JDBC. 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

Mehr

Modellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009

Modellbasierte 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.

Mehr

Nachtrag: Farben. Farbblindheit. (Light und Bartlein 2004)

Nachtrag: 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

Mehr

Oracle SQL Developer Lassen Sie sich anstecken!

Oracle 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

Mehr

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing

Seminar 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

Mehr

Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009

Dipl. 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

Mehr

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center

BICC, 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

Mehr

StructuredQueryLanguage(SQL)

StructuredQueryLanguage(SQL) StructuredQueryLanguage(SQL) Themen: ErstelenundÄndernvonTabelen AbfragenvonDaten Einfügen,ÄndernundLöschenvonDaten Erstelennutzerde niertersichten(views) 2012Claßen,Kempa,Morcinek 1/23 SQL Historie System

Mehr

Hochschule Karlsruhe Technik und Wirtschaft- 10.7.2013. Anhänge: Fakultät für Informatik und Wirtschaftsinformatik SS 2013 Prof. Schmidt.

Hochschule 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.

Mehr

BI-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 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

Mehr

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

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

Mehr

7. Datenbank-Zugriff. Vorlesung und Übung Dr. Peter Pfahler Institut für Informatik Universität Paderborn. Zum Beispiel aus PHP-Skripten: Client 7-2

7. 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

Mehr

Datenbanken: Datenintegrität. www.informatikzentrale.de

Datenbanken: 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

Mehr

Datenbanktechnologie mit praktischen Übungen in MySQL und PHP

Datenbanktechnologie 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

Mehr

Agile BI in der Praxis

Agile 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

Mehr

Wie sicher sind Database Links?

Wie 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

Mehr

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

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI 9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics

Mehr

PROZESSE INTEGRIEREN leicht gemacht EFFIZIENTE PROZESSE

PROZESSE 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

Mehr

Oracle 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 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

Mehr

3.17 Zugriffskontrolle

3.17 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

Mehr

Modellbasierte 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 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

Mehr

Marketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch

Marketing 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

Mehr

Data Warehouse Architekturtrends

Data Warehouse Architekturtrends Data Warehouse Architekturtrends Dr. Bodo Hüsemann Informationsfabrik GmbH Münster Schlüsselworte Architektur, Business Intelligence, Data Warehouse, Realtime Data Warehouse, Operational BI, Selfservice

Mehr

WhitePaper. Mai 2012. BIA Business Intelligence Accelerator. Markus Krenn Geschäftsführer Mail: m.krenn@biaccelerator.com

WhitePaper. 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:

Mehr

Performance by Design Wie werden performante ETL-Prozesse erstellt?

Performance 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,

Mehr

Fortgeschrittene SQL-Techniken für APEX-Formulare und -Reports

Fortgeschrittene 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

Mehr

BI around the world - Globale Reporting Lösungen bei Continental Automotive

BI 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,

Mehr

FREUDENBERG IT. Mobile Business Intelligence

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

Mehr

Automatisierte Datenmigration mit dynamischen SQL

Automatisierte 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.

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

Datenbanktechnologie mit praktischen Übungen in MySQL und PHP

Datenbanktechnologie 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

Mehr

SQL Tutorial. SQL - Tutorial SS 06. Hubert Baumgartner. INSO - Industrial Software

SQL 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

Mehr

105.3 SQL-Datenverwaltung

105.3 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

Mehr

Unterabfragen (Subqueries)

Unterabfragen (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

Mehr

Oracle Data Integrator in der Praxis

Oracle 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

Mehr

arlanis Software AG SaaS-Integration und -Beratung Geschäftsfelder mit Zukunft

arlanis 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

Mehr

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle 40. Congress der Controller, Themenzentrum C, München Steffen Vierkorn, Geschäftsführer Qunis GmbH, Neubeuern Die

Mehr

Übung 7 DBMS-FUNKTIONALITÄTEN UND DATENIMPORT

Übung 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.

Mehr

OWB Repository Individuelle Reports. Ute Middendorf metafinanz - Informationssysteme GmbH

OWB 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

Mehr

ConSol*CM6 Ihre Geschäftsprozesse werden gelebt. Kurzübersicht ConSol*CM

ConSol*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