Big Data, BI SelfService, BI Mobile Mode oder Trend? Concett, Dr.Siegmund Priglinger, Senior Analyst

Größe: px
Ab Seite anzeigen:

Download "Big Data, BI SelfService, BI Mobile Mode oder Trend? Concett, 08.05.2012 Dr.Siegmund Priglinger, Senior Analyst"

Transkript

1 Big Data, BI SelfService, BI Mobile Mode oder Trend? Concett, Dr.Siegmund Priglinger, Senior Analyst 1

2 Data Management...und die Treiber Performance Level 1 Kunde Performance Level 3 Performance Level 2 Dispositive Geschäftsprozesse (wertschöpfend?) Operative Geschäftsprozesse (wertschöpfend) DatenManagement- Supportprozesse (wertschöpfend?) Kritischer Pfad 2

3 Klassische Sicht DATA MANAGEMENT dr.priglinger consulting GmbH

4 BI & DM Architektur Klassisches Zielmodell Benutzeroberfläche Spreadsheet Browser etc. Anwendungen Datenhaltung Datenintegration Reporting Data Warehouse Istdaten Plandaten Data Konsoli- Analyse Dashboard Mining dierung Planung Einheitliche Semantische Schicht relational OLA P OLA P OLA P RDBMS Einheitliche Semantische Schicht ETL, Datenqualität, Stammdaten-Management multidimensional OLAP OLAP Datenquellen Finanzdaten Vertriebsdaten Produktionsdaten etc. ERP andere IT-Systeme Listen etc. 4

5 Die Realität bisher... The Internal Integration Hairball

6 DM & BI-Architektur Ist-Situation (klassisch) Planung Reporting Analyse DI DWH BI-Appl.??? SAP BEx Microstrategy SAP BW I3 Kunden G&V (Finanz) SAP BEx SAP BW D3 SEM AdHoc Details GF-Cockpit Netzstatistik Quartals-/Monatsbericht PDF MIS Alea Holding OLAP OLAP Reporting Server SQL MS SQL Oper. Quelle SAP R/3 SAP ISU SGP SAP ISU SGS SAP CRM ORACLE GIS SAP BW I3 EDM Betriebsbericht DB2 PI???? SQL MS SQL

7 BI und Data Management Klassische Datenarten Mapping Operational DM Analytical DM Data Hub Party Product Site Finance Facts Dimension Data Association (Hierarchy, Transaction) Data Association (Cubes) Data Governance & Compliance Requests, Release, Processes, Auditing, Risc Management

8 Big Data Sicht DATA MANAGEMENT dr.priglinger consulting GmbH

9 Analytische Infrastruktur im Big Data Zeitalter Traditionelle BI-Anwendungen Big Data Analyse Dashboards Standard- Reporting Ad hoc Reporting Analyse Data Mining Planung Suche Discovery Text Analyse Netzwerk- Analyse Pfad- Analyse Mustererkennung Data Mart 1 Data Mart 2 Data Mart n Sandbox Core Data Warehouse NoSQL File System Staging Area Datenintegration - Batch, Real Time, Streams/Events, Map-Reduce SAP ERP CRM Externe Systeme Sensor-Daten Web Logs Social Media Dokumente Strukturierte Transaktionsdaten Maschinen-generierte Dokumente/Texte Daten (unstrukturierte Daten) 9

10 Die Realität ab nun... The Internal & External Integration Hairball 10

11 Anwendungsfälle für Big Data Big Data Analyse 1&,,CP-B*2+'-:;'+3;6+'9-&'.-S,<Q+46&'9- :28)*+'4'%TI46A2)*&'9-&'.- 146D+)4,C2'&'9- K4U32'2CP84-2&7-1<)*AV6346G-1<QQ&'94'G- K*4Q4'- 1;)+2C-:4.+2-:;'+3;6+'9-&'.- W2Q,29'4'Q2'294Q4'3- H4I%0468;'2C+8+46&'9- E4U3->483-SX46-Y-Z)<D+3PG-FM>M-7[6-H4I% 1*;,8-\-B2CC-B4'346- >436&984'3.4)(&'9-+'-5D4'3%13642Q8G- E43FA46(4'G-B$!8-43)M- 1P834QQ;'+3;6+'9- R- Datentypen!"#$%"&'()*+,%-&'.-/01%$234'% &'94'- :28)*+'4'.234'-2& ;.&(<;'- ; D+)4%E;<F4'G->+C.46-2&7- H4I84+34'-;.46-J+.4;%BC+,8-1;)+2C-:4.+2-$234'-2&8-"2)4I;;(G- KA+L46G->C;98-;.46-";64'M-- N;9%$234'-2& '4'-H4I,6O84'F- ;.46-H4I-1*;,8- R- 11

12 Big Data 1. Höhere Komplexität! Größere Datenmengen! Höhere Anwenderzahlen! Höhere Abfragekomplexität Alt!! Schnellere Aktualisierung der Daten 2. Polystrukturierte Daten! Strukturierte Daten Neu!! Semistrukturierte Daten, z.b. XML, HTML, Sensor-Daten! Unstrukturierte Daten, z.b. Dokumente, Blogs, Bilder Z'2CP<8)*4-#'762836&(3&64'-A46.4'-Q;Q4'32'-46A4+3463G-FM>M-&Q-Z'2CP<8)*4- $234'I2'(4'G-13642Q+'9%$234'G-5D4'3%06;)488+'9G-]2.;;,G-E;1^N-$234'I2'(4'G-R-- 12

13 Treibende Faktoren für Big Data Plattformen Welche Faktoren treiben in Ihrem Unternehmen das Interesse an der Nutzung alternativer Datenplattformen wie Hadoop? Quelle: InformationWeek 2012 Business Intelligence, Analytics, and Information Management Survey of 431 business technology pros involved with information management tech, October

14 USP Architektur Ist das Big Data? dr.priglinger consulting GmbH

15 Federated Identity Management Ist das Big Data? dr.priglinger consulting GmbH

16 Vernetzung Public Business Ist das Big Data? 16 dr.priglinger consulting GmbH

17 ELGA Architektur Ist das Big Data? 17 dr.priglinger consulting GmbH

18 Semistrukturierte Daten Ist das Big Data? Datenaustausch auf Basis semi-strukturierter Daten dr.priglinger consulting GmbH

19 Fazit: Marketing-Begriff mit Potential! Big Data beschreibt die Herausforderung, mit der heute auftretenden Komplexität in Datenanalyse-Umgebungen umzugehen.! Die Analyse poly-strukturierter Daten ergänzt die klassische BI.! Unternehmen sollten BI-Strategie und Architektur überprüfen, ob und wie neue Entwicklungen und Big-Data-Technologien einen Beitrag zur Erweiterung des BI-Spektrums leisten können.!"#$%&'&$($)"*$#+,-*$.//,0&1,/2$ _&96+X-2&7-'4&4-$234'8)*O3F4-I+693-0;34'<2C-&Q-8+)*-2Q-:26(3-D;Q-H4LI4A46I- 2IF&*4I4'- K4)*';C;9+4%>&'.C48-&'.-1,4F+2C+834'-2Q-:26(3-7[6->+9-$232-D467[9I26- E&3F4'-D;'->+9-$232-2I*O'9+9-D;'-.46-"O*+9(4+3G-8+)*-+'-.4'-$234'-F&-I4A494'-&' )*<94-Z'2CP<(-2'F&A4'.4'-- >+9-$ '-+'';D2<D48-K*4Q2`-$;)*-.46-H49-2'8-_+4C-8)*4+'3-';)*-A4+3-&' F4+3-';)*-&'8+)*46M- 19

20 Besten Dank für Ihre Aufmerksamkeit! Dr. Siegmund Priglinger Senior Analyst BARC GmbH Steinbachtal 2b D Würzburg Repräsentanz in Österreich dr.priglinger consulting GmbH Hasenöhrlstr. 61/1/5, A-1110 Wien Tel

21 BIG DATA Neue Ansätze für die Analyse poly-strukturierter Daten Klassische Technologien zur Integration, Verarbeitung und Speicherung entscheidungsunterstützender Daten stoßen vor dem Hintergrund aktueller Anforderungen häufig an ihre Grenzen. Unter dem Schlagwort BIG DATA sammeln sich nun neue Ansätze zur Analyse großer Datenmengen, die auch in unterschiedlichen Strukturen vorliegen können. Damit eröffnen sich neue Möglichkeiten für Unternehmen, aber die nutzenstiftende Verwertung der Daten aus unterschiedlichsten Quellen stellt das Informationsmanagement erneut vor architektonische und technologische Fragestellungen. Viele Unternehmen sind in den letzten Jahren an die Grenzen der Beherrschbarkeit ihrer analytischen Infrastrukturen gekommen. Die gestiegene strategische Bedeutung der Business Intelligence in Unternehmen bedeutet ein gleichzeitiges Wachstum der Faktoren Datenmengen, Anwenderzahl sowie Komplexität von Abfragen. Gleichzeitig bedeutet dies aber auch eine gestiegene Erwartungshaltung der Anwender hinsichtlich kurzfristiger Bereitstellung aktueller Daten und Abfrageperformance der Systeme. Als wenn das nicht genug Herausforderungen wären, sorgt ein anhaltend hoher Kostendruck für das permanente Hinterfragen der Investitionen in Data Warehouses und BI-Systeme. Diese anspruchsvolle Mischung an Anforderungen führte in den letzten Jahren in Unternehmen zu höherer Offenheit für innovative Technologien und Ergänzungs- und Ersatzinvestitionen in analytische Datenbanken, die für den Einsatzzweck Business Intelligence und Data Warehousing optimiert sind. Durch Einsatz von massiv parallelen Architekturen, spalten-basierter Indexierung, In-memory-Technologien oder auch der Lieferung als Appliance sorgen sie für eine bessere Unterstützung einiger oder aller aufgeführten Herausforderungen als traditionelle relationale Datenbanken, die nicht per se als performante Systeme für die Analytik optimiert sind. Neben allen genannten wird eine weitere Herausforderung aktuell unter dem Stichwort Big Data auch noch einmal prominenter platziert: Interessantes Wissen liegt nicht nur in strukturierten Beispiele für Big-Data-Datenarten und Anwendungsfälle Weblogs und -statistiken für die zeitnahe Auswertung von Online- Werbemaßnahmen, RFID- & GPS-Daten zur Optimierung der Produktion und der Logistik, Sensor-Daten in Gebäuden, Gegenständen oder der Umwelt zur Erfassung von Zuständen und Einflüssen, z.b. zur Optimierung von Wartungsmaßnahmen Überwachung der Finanztransaktionsdaten für eine frühzeitige Betrugserkennung, Energie-Verbrauchsdaten zur Optimierung der Verträge oder Protokolldateien über Kommunikationsverbindungen aus der Telekommunikation für den Aufbau flexiblerer Billings-Systeme oder Social-Media Daten für zielgerichtete Marketingkampagnen. Daten, auf die sich traditionelle Data Warehouses konzentrieren, sondern auch in vielen anderen Datenquellen, die semi- oder unstrukturierte Daten liefern. Während die Einbeziehung und Analyse dieser Daten in die Business Intelligence schon sehr lange diskutiert wird, zeigen sich jetzt erst konkrete Potentiale auch für eine größere Zahl an Unternehmen auf. Das allseits zu beobachtende exponentielle Wachstum des verarbeiteten und gespeicherten Datenvolumens wird insbesondere durch maschinell erzeugte Daten generiert. RFID-Funkchip-Erfassungen, Maschinendaten aus der Produktion, Log- Daten der IT-Systeme, Sensor-Daten in Gebäuden oder der Umwelt, das World Wide Web mit Daten aus der eigenen Webpräsenz oder dem eigenen Web Shop, aber auch Social Media Daten aus Facebook, Twitter oder zahlreichen Blogs. Hinzu kommen auch unstrukturierte Daten wie Call-Center oder Service-Notizen, Bilder auf Webseiten oder Video-Clips, die als Basis für Analysen herangezogen werden können. Diese semi- und unstrukturierten Daten sind mit den üblicherweise eingesetzten Technologien einer klassischen BI-Architektur bestehend aus Datenintegration, Datenspeicherung, Analytik und Visualisierung/Auswertung häufig nur wenig effizient nutzbar. Hauptproblem liegt neben der schieren Datenmenge, die in diesen Bereich recht schnell in die Petabyte hereinreichen kann, vor allem in den unterschiedlichen Strukturen der Daten, die in relationalen Datenbanken häufig nicht effizient abbildbar sind. An dieser Stelle bieten Big-Data-Technologien neue Möglichkeiten. Big Data bietet Methoden und Technologien für die Erfassung, Speicherung und Analyse poly-strukturierter Daten, genau dort, wo klassische Systeme heute an ihre Grenzen stoßen. Für Big Data werden neue Software-Lösungen eingesetzt, die verschiedene Anforderungen in vier Dimensionen erfüllen müssen: Integration, Verarbeitung und Speicherung großer Mengen (Dimension des Volumens) poly-strukturierter Daten (Dimension der Struktur), zur schnellen und flexiblen Integration von Datenquellen und Ausführung von Analytik (Dimension Geschwindigkeit) für komplexere Analysen und Visualisierung der Inhalte (Dimension der Analyse-Komplexität). Der Nutzen von Big Data liegt vor allem in der Analytik auf großen und neu zugänglichen Datenmengen und letztlich der Verbindung dieser Analysen mit der existierenden Welt der strukturierten Daten. Dies eröffnet weitreichende Potentiale und Chancen, insbesondere neue und detailliertere Analysemöglichkeiten von Daten, die heute noch gar nicht oder nur teilweise genutzt werden können, 20 CeBIT Guide Business Intelligence 2012 isi Medien, München

22 aber auch eine höhere Flexibilität des Gesamtsystems für neue Analyseanforderungen sowie Nutzung flexiblerer Liefermodelle für On-Demand- Analyse in Cloud-Lösungen. Insgesamt ergibt die Nutzung neuer Technologien, die für die Integration und Analyse poly-strukturierter Daten entwickelt wurde auch deutliche Kosteneinsparungsmöglichkeiten, die in der Optimierung der Lösungen für diese Aufgabenstellung und der teilweisen Verfügbarkeit als Open-Source-Lösungen liegt. Die wesentlichen Herausforderungen anderseits liegen in vielen Bereichen: Das Aufstellen von Geschäftsfällen fällt derzeit noch schwer, die eine Big- Data-Initiative rechtfertigen. Qualität und Nutzen der Analyse-Ergebnisse sind teilweise schwer abseh- und quantifizierbar, auch aufgrund fehlender Erfahrungswerte am Markt. Die Abgrenzung zwischen Big-Data- und traditionellen BI- und Data- Warehouse-Szenarien ist fließend. Anwendungsfälle sind bezüglich Umsetzbarkeit mit der verfügbaren Infrastruktur und den Kosten zu prüfen. Big Data setzt nicht zwingend neue Technologien voraus. Eine geeignete Big-Data-Strategie ist zu definieren, als eine Erweiterung einer BI-Strategie oder auch eine völlig neue Aufstellung von Unternehmen zur Nutzung des Produktionsfaktors Daten und seiner Bedeutung für die komparative Wettbewerbsposition. Die Integration mit der bestehenden analytischen Infrastruktur stellt die technologische Herausforderung im Kombinationsbetrieb der Integration und Verarbeitung poly-strukturierter Daten mit der klassischen Analytik auf strukturierten Daten. Ein Austausch oder gegenseitiger Zugriff auf die Informationen zwischen den Systemen muss konzeptionell, architektonisch und technisch realisiert werden für fachlich sinnvolle Anwendungen. Die Verfügbarkeit von geeigneten Big-Data-Entwicklern und -Analysten ist derzeit begrenzt. Gesucht werden neue Profile mit Programmier-Know- How und mathematisch-analytischen Fähigkeiten. Im englischen Sprachraum etabliert sich hierfür gerade das Berufsprofil des Data Scientist. Hauptaufgaben auf der technischen Seite sind die Integration und Analyse der poly-strukturierten Daten u.a. durch die Anwendung von Map/Reduce-Programmierframeworks. Nicht zu unterschätzen ist auch die Visualisierung der Massen -Daten, die andere Techniken erfordert als Geschäftsgrafik-orientierten Darstellungsformen der klassischen BI-Welt. Das Thema Datenschutz und Ethik ist insbesondere in Deutschland ein heißes Thema. Die Abgrenzung zwischen dem was man darf und was man nicht darf ist unscharf und muss rechtlich geprüft werden. Dies führt zu einer Unsicherheit in der Anwendung von Big Data Anwendungen, gerade bei Auswertungen der personenbezogenen Daten aus sozialen Netzwerken. Letztendlich die Auswahl passender Technologien für die Einbindung der neuen Datenquellen, der Transformationen und Integrationsregel, der Speicherung der Daten, dem Laden der Analyseergebnisse und der Analyse und Visualisierung ist eine Herausforderung ansich. Das Lösungsangebot am Markt ist groß und die Einsatzgebiete der unterschiedlichen Technologien nicht immer ganz ersichtlich. Skalierbarkeit, Performance, Real- Time-Bereitstellung und Wartbarkeit sind wie in klassischen BI-Szenarien auch bei Big Data eine Herausforderung. Fehlende Reife von Lösungsangeboten und knappes Know How am Markt verschärfen diese Themen. Das Big Data Ecosystem Marktstrukturierung für Big Data Der Markt für Big Data Software ist so vielschichtig wie die zu lösenden Aufgabenstellungen. Analog zu BI-, DWHoder Datenintegrations-Systemen gibt es auch im Big-Data-Bereich eine Vielzahl an alten und neuen Angeboten, die ähnliche Aufgabenstellung zur klassischen BI adressieren. Wesentlicher Kern von Big Data ist der stark programmiergetriebene, BARC-Studie Data Warehousing und Datenintegration Die BARC-Studie Data Warehousing und Datenintegration liefert umfassende Informationen zu Anbietern, Software-Werkzeugen und aktuellen Themen des Datenmanagements. Führende Software-Lösungen werden auf Basis eines umfassenden Kriterienkataloges detailliert verglichen und bewertet. Die Studie umfasst Produktbeschreibungen, technische Datenblätter und Analysen zu den getesteten Werkzeugen. Weitere Informationen zur Studie finden Sie unter daten-zentrische Kern auf Basis des MapReduce-Ansatzes, den Google zur Popularität verhalf. Der Ansatz ist simpel: Zerlege die Aufgabe in ihre kleinsten Teile, verteile diese Aufgaben zur massiv parallelen Verarbeitung auf sehr viele Rechner (map) und führe das Ergebnis wieder zusammen (reduce). Damit wird vor allem die Verarbeitung poly-strukturierter Daten ermöglicht, mit denen klassisch relationalen Datenbanken, aber auch DWH Appliances oder Massiv-Parallele relationale Datenbanken ihre Probleme haben. Herausforderung in der Speicherung und Verarbeitung dieser Daten öffnete den Markt für spezielle Dateisysteme wie bspw. das Hadoop-eigene Hadoop-File-Systeme (HDFS) aber vor allem zahlreiche NoSQL (Not only SQL) Datenbanken, die größtenteils für spezifische Einsatzzwecke optimiert verfügbar sind. Der Zugriff erfolgt bei den NoSQL-Datenbanken in der Regel noch über technische Schnittstellen und nicht über bekannte Abfragesprachen wie SQL. Die in NoSQL schwer umzusetzende Konsistenz von Daten, oder typische relationale Operationen wie die Zusammenführung von Tabellen (Join), Gruppierung oder auch Selektion zeigen die Notwendigkeit auf, die bekannte analytische SQL/MDX- Welt mit der programm-orientierten Welt der NoSQL-Datenbanken zu verheiraten. Am Markt zeigt sich dies zum einem durch Fragen nach bewährten Integrationsstrategien als auch schon isi Medien, München CeBIT Guide Business Intelligence

23 Abbildung 1: Das Bild zeigt eine klassische analytische Architektur in direktem Vergleich zu einer Big-Data-Anwendung, größtenteils basierend auf Hadoop Komponenten (blauer Bereich). Die Anwendung besteht analog der BI-Referenzarchitekturen aus Komponenten für die Datenintegration, Datenspeicherung, Datenanalytik und Auswertung/Visualisierung. Der grundlegende Unterschied zur BI ist die daten-zentrische Ausrichtung auf Basis des MapReduce Programmierframeworks, welches eine hoch parallele Verarbeitung von Daten ohne zusätzliche Programmierung ermöglicht. Weitere Produkte ergänzen das Framework. durch erste Hybrid-Technologien wie bspw. AsterData von Teradata, EMC Greenplum oder das Open Source Projekt HIVE. Neben NoSQL und Hybriden sind auch Spezialisten am Markt verfügbar, die mit Big Data Lösungen oder Appliances aufwarten. Selten steht dahinter eine eigene Technologie, vielmehr handelt es sich dabei um Hadoop Distributionen von Anbietern wie Cloudera oder den großen Anbieter wie IBM und Microsoft, ergänzt um weitere zusätzliche auch eigene Werkzeuge und Technologien. Datenintegrationswerkzeuge. Big Data Funktionen umfassen hier Adapter in Hadoop-Dateisysteme wie HDFS oder HIVE sowie auch die Integration mit dem MapReduce Framework. Alternativen zur Einbindung von poly-strukturierten Datenquellen bieten Spezialisten wie Hadoop Chukwa, Flume oder Sqoop. die interaktive Datenexploration und Visualisierung für Fachanwender. Hier finden sich zahlreiche Spezialisten, die Lösungen für spezielle Anwendungsgebiete wie Analyse von Web Logs, E-Commerce Daten, Blogs & Twitter, Social Media Netzwerken usw. anbieten. Daneben existieren BI-Spezialisten wie Datameer, die sich vornehmlich auf einen Zugriff auf Big-Data-Infrastrukturen konzentrieren. Letztlich fangen auch die etablierten BI-Anbieter an, z.b. über Hive einen ergänzenden Zugriff auf neue Datenquellen zu schaffen. Die kleinen und wendigen Anbieter wie Tableau, Pentaho oder Jaspersoft sind die ersten im Markt. Die großen Anbieter werden höchst wahrscheinlich bald folgen wie immer teils durch Eigenentwicklung und teils durch Zukauf. Auf der Ebene der Datenintegration steht die Geschwindigkeit und die Integration der heterogenen Datenquellen und -typen im Vordergrund. Zu beobachten ist die Integration von Big-Data-Funktionen in die etablierten Die Analytik poly-strukturierter Daten wird einerseits stark getrieben durch die Modellbildung auf Basis von Detaildaten. Hier findet die sehr umfangreiche Open-Source-Bibliothek R aber auch andere Data-Mining-Werkzeuge großen Anklang. Andererseits existieren für die Big-Data-Welt auch die klassischen BI-Anforderungen nach Dashboards und Berichten oder auch einfacheren Analyseumgebungen und 22 CeBIT Guide Business Intelligence 2012 isi Medien, München

24 Ausblick Big Data ist ein Marketingbegriff, der Methoden und Technologien subsumiert um Datenvolumen, Komplexität, Geschwindigkeit und neue Analytik zu beherrschen, die mit klassischen BI-Technologien nicht mehr sinnvoll umgesetzt werden können. Vor den steigenden Datenschätzen dieser Welt können Unternehmen ihre Augen nicht verschließen und so ist Big Data sicher ein Erfolgskriterium um sich von der Konkurrenz abheben zu können. Die technischen Möglichkeiten dafür sind durchaus erschwinglich. Open-Source-Lösungen und attraktive Angebote in der Cloud bspw. ermöglichen die Nutzung der notwendigen Werkzeuge und geben tiefen Einblick in die Daten oder bieten auch die Möglichkeit Big Data mit eigenen Daten zu testen. Um poly-strukturierte Daten sinnvoll zu verarbeiten und wertvolle Ergebnisse daraus abzuleiten müssen allerdings Data Scientists mit gefunden oder ausgebildet werden, die schon heute eine knappe Ressource darstellen. Daten sind häufig Kennzahlen oder andere strukturierte Information, die Unternehmen im Data Warehouse weiter verarbeiten möchten. Umgekehrt sind die qualitätsgesicherten Kennzahlen der Data-Warehouse-Welt interessante ergänzende Informationen, die bei der Analyse poly-strukturierter Daten hinzugezogen werden sollen. Werden beispielsweise riesige Mengen an Web- Logdaten zur Steuerung von Angeboten auf der Webseite genutzt, so ist das Zusammenführen der Daten über das Verhalten auf der Webseite im Big Data Framework mit den Daten zum historischen Kaufverhalten des Kunden im Data Warehouse sehr interessant. Der Softwaremarkt ist noch in einer frühen Phase und auch potentielle Anwendungsgebiete in Unternehmen werden sondiert und pilotiert. Unternehmen sollten die Zeit nutzen und die neuen Möglichkeiten von Big Data evaluieren aber auch gegenwärtige Anforderungen nach hoher Abfrageperformance, guter Datenqualität und der Agilität der BI-Systems durch die Implementierung und das Leben einer Information Governance im Kern vorantreiben. Dies bietet letztendlich die solide Basis um neue Ideen in der Petaund Zetabyte-Welt umzusetzen. Am Softwaremarkt zeigen sich viele Strömungen, um Lösungen für Big Data Aufgabenstellungen anbieten zu können. Im Open-Source-Bereich ist es vor allem das Apache Hadoop Framework mit vielen ergänzenden Werkzeugen, das im Fokus der Aufmerksamkeit steht. Wie bei anderen Open-Source-Projekten auch entwickeln sich langsam Distributoren, die Bündelung und Support übernehmen und Aufwand sowie Risiko für Unternehmen reduzieren. Inzwischen setzen alle großen Anbieter auf Hadoop, teils mit eigenen Distributionen teils mit Partnerschaften. Etablierte Anbieter stellen sich momentan für Big Data auf. Häufig wird eine Hadoop-Integration geboten, teilweise werden auch eigene Lösungen für Big Data geschaffen. Wie üblich im Softwaremarkt, wird es abhängig von der wachsenden Nachfrage zu einer Konsolidierungswelle kommen, in denen die großen Anbieter vielversprechende Spezialisten im eigenen Lösungsportfolio aufgehen lassen. Neben der Auswahl von Lösungen ist für Unternehmen ebenso wichtig, die Integration von geplanten Big-Data-Anwendungen in die bestehende analytische Infrastruktur zu konzipieren. Ergebnisse der Analysen von großen Mengen poly-strukturierter Autoren Dipl.-Kfm. Timm Grosser ist Senior Analyst und Berater am Business Application Research Center (BARC) im Bereich Business Intelligence. Seine Spezialgebiete sind entscheidungsunterstützende Informationssysteme mit besonderem Fokus auf Themen des Datenmanagement. Timm Grosser ist Hauptautor der Softwarevergleichsstudie Data Warehousing und Datenintegration und untersuchte bereits zahlreiche Lösungen und den Software- Markt für Data Warehousing, Datenintegration sowie Datenqualität. Er ist häufiger Redner auf Tagungen und Seminaren sowie Autor von Fachartikeln und Marktstudien. Dr. Carsten Bange ist geschäftsführender Gesellschafter des Business Application Research Centers (BARC). Er ist seit mehr als zehn Jahren für nationale und internationale Unternehmen verschiedenster Branchen und Größen im Rahmen der Strategieund Architekturberatung, Werkzeugauswahl und Qualitätssicherung in Business-Intelligence- und Datenmanagement-Projekten tätig. Als neutraler Beobachter des Softwaremarktes ist er ein häufiger Redner bei Tagungen und Seminaren sowie Autor zahlreicher Fachpublikationen und Marktstudien. isi Medien, München CeBIT Guide Business Intelligence

25 Self-Service BI Unabhängigkeit für Fachanwender Die Forderung vieler Anwender nach mehr Flexibilität und Benutzerfreundlichkeit bei der alltäglichen Nutzung von Informationen wächst beständig. Daher ist die Nachfrage bei Unternehmen nach Self-Service-Funktionen im Business-Intelligence-Umfeld groß. Selbstständiger Zugriff auf Informationen unabhängig von der IT und Möglichkeiten zur selbstständigen Aufbereitung und Verteilung von Information ist ein Mega-Trend, der Basis für viele andere Trends und technische Entwicklungen wie Mobile BI, BI in der Cloud, Social Media Analyse und Big Data ist. Beachten Unternehmen einige wichtige Aspekte bei der Nutzung von Self-Service-Funktionalität, kann sie einen enormen Wertbeitrag für schnellere Entscheidungen im Unternehmen leisten. Unter dem Begriff Self-Service subsumieren sich in der Business Intelligence diverse Funktionen, Datenarchitekturen und organisatorische Rahmenbedingungen, die einen agilen Ansatz für BI unterstützen. Ziel ist es, ausgewählten Anwendern in ihrer Rolle mehr Verantwortung für die Nutzung von BI-Softwarewerkzeugen und der damit präsentierten Daten zu übertragen. Sie können im Gegenzug freier bei der Berichtserstellung, Datenanalyse und Verteilung von Information agieren. Damit kann der Anforderung vieler Anwender nach mehr Flexibilität bei der Modifikation oder Integration von Daten und größerer IT-Unabhängigkeit bei der Datennutzung Rechnung getragen werden. Gleichzeitig können die Experten der zentralen IT-Stelle ihre Aufgaben auf das Datenmanagement fokussieren und von Arbeit entlastet werden. Benutzerfreundlichkeit als Grundlage für Self-Service BI Benutzerfreundlichkeit (= Usability) ist die Grundlage für die Akzeptanz eines Self-Service-Werkzeugs in den Business-Intelligence-Prozessen eines Unternehmens. Neben dem Werkzeug sind auch eine adäquate Datenmanagementarchitektur und die Data Governance von großer Bedeutung. Ob sich ein Werkzeug oder System als nutzerfreundlich erweist, zeigt sich anhand verschiedener Aspekte: Ausstattung mit rollenspezifischen Funktionalitäten (Vertrieb, Marketing, Finanzen etc.) Einfachheit in der Nutzung Grad der Flexibilität und Agilität bei der Erstellung von Berichten ad-hoc und bei Analysen Design der Nutzerschnittstelle/Oberflächern (basierend auf gewohnten Designs bspw. von Microsoft Office oder von Apps) Individuelle Suchfunktionen IT-unabhängiger Zugriff auf verschiedene Daten Art der Datenvisualisierung (Grafiken, Corporate Designs etc.) Collaboration-Funktionen Verfügbarkeit von zusätzlichen Daten (bspw. Metadaten) Das wichtigste Kriterium für die Nutzung von Self-Service ist die Ausstattung mit rollenspezifischer Funktionalität. Kernpunkt hierbei ist, zwei Gruppen im Unternehmen zu adressieren: Einerseits die Power User mit ihrem speziellen Know-how für die Analyse und die Berichterstellung. Andererseits die Endanwender, die Business-Intelligence-Werkzeuge ausschließlich zur Anzeige von Berichten und Dashboards und ggf. einfachen Modifikationen benötigen. Werden die genannten Kriterien für die Anwender zufriedenstellend erfüllt, ist ein hoher Grad an Benutzerfreundlichkeit des Software-Werkzeugs zu erwarten. In diesem Zug gilt es auch, Themen wie Datenmanagement und Data Governance zu adressieren. Unternehmen sollten unbedingt festlegen, welche Maßnahmen und Verfahren zur Behandlung, Kontrolle und Stabilität der Daten definiert werden, um eine möglichst gute Informationsversorgung sicherzustellen und die bestmögliche Nutzung für die Geschäftsprozesse zu gewährleisten. Aspekte der Self-Service BI Die Nutzung von Self-Service-Funktionen erfordert nicht zwingend den Erwerb eines speziellen BI-Werkzeugs als Stand-alone-Lösung. Häufig bieten die in Unternehmen existierenden BI-Plattformen bereits Self-Service-Funktionalitäten an. Endanwenderfreundlichkeit ist auch bei plattformbasierenden Self- Service-Funktionen oberstes Gebot. Für beide Self-Service-Lösungsmöglichkeiten gilt als Basis, den Anwendern sorgfältiges Training und Support anzubieten, ein Vorgehensmodell sowie Abbildung 1: Aspekte der Self-Service BI CeBIT Guide Business Intelligence 2012 isi Medien, München

26 verschiedene Entwicklungsmethoden für Nutzer und Werkzeug zu konzipieren und die gesamte Datenarchitektur zu analysieren und ggf. anzupassen. Unabhängig vom Lösungsweg durch Nutzung existierender Werkzeuge oder Implementierung spezieller Self-Service-Werkzeuge können in der Praxis die Anforderungen der Anwender im Rahmen von Self-Service-Initiativen in verschiedene Kategorien eingeteilt werden: die Modifikation von Berichten und Dashboards, die Erstellung von Berichten und Dashboards ad-hoc, die Integration privater, lokaler Daten und die Modifikation von Datenmodellen. Große Bedeutung kommt in allen Fällen der Data Governance zu: sie ist in Hinblick auf die Kontrolle und Überwachung der Prozesse die elementare Basis für eine adäquate Self-Service- Strategie. Sie kann dem Anwender im Rahmen gegebener Auflagen und Standards erlauben, als Data Steward, d.h. als Verwalter von Daten, zu fungieren. Die Möglichkeit, Self Service zu betreiben, muss je nach BI-Strategie eines Unternehmens nicht völlig in die Hände der Endanwender gelegt werden. Eine Teilung der Aufgabenfelder zwischen Fachbereichen und zentraler IT-Stelle ist hier durchaus möglich und teilweise auch sinnvoll. Erfolgt eine Übertragung der Self-Service-Aufgabenfelder an die Nutzer, sollte dies jedoch stets in Kooperation mit den IT- Experten erfolgen. Aspekt 2: Erstellung von Berichten und Dashboards ad-hoc Die Erzeugung von Berichten und Dashboards muss ebenfalls nicht mehr nur Aufgabe der IT sein. Durch intuitive Werkzeuge und vordefinierte Berichtsund Dashboard-Objekte ist es heute auch für Power User möglich, ad-hoc Berichte und Dashboards zu erstellen, um die Endanwender zu unterstützen. Die Erweiterung der Ad-hoc-Funktionalitäten um analytische Funktionen trägt zur Benutzerfreundlichkeit einer Lösung bei. Der Vorteil dabei ist, dass bspw. Dashboards nach den genauen Vorstellungen des Anwenders abgebildet werden können. Grundlegend für den gesamten Berichterstellungsprozess ist in technischer Hinsicht eine zentrale, semantische Schicht. Diese dient dazu, die Komplexität der tendenziell technischen Datenmodellierung für einen Fachbereichsanwender zu kapseln und in eine verständliche Form zu übersetzen. Die Anzahl der angebundenen Datenquellen ist nicht sichtbar und wird dem Endanwender nur noch als eine Art Bibliothek mit verfügbaren Datenobjekten präsentiert. Dies ermöglicht einen wesentlich einfacheren Zugriff auf die vielen verschiedenen Datenquellen in einem Unternehmen. Aspekt 3: Integration privater, lokaler Daten Eine weitere Anforderung, der eine Self-Service-Philosophie Rechnung trägt, ist die selbstständige Integration privater, lokaler Daten. Diese werden bspw. Excel-Dokumenten, TXT- oder CSV-Dateien oder extern bereitgestellten Datenquellen entnommen. Drei unterschiedliche Wege zur Integration dieser Daten sind dabei vorherrschend (siehe Abbildung 2). 1) Daten können direkt oder zusammen mit anderen Daten in ein Data Warehouse oder in andere zentrale und übergreifend genutzte Datenspeicher integriert werden. Technologien zur Datenföderation können dabei auch eine Architektur ermöglichen, bei der Daten in ihren ursprünglichen Datenquellen (z.b. ERP-Systemen) verbleiben und nicht in andere Datenspeicher (z.b. Data Warehouse) überführt werden müssen. 2) Die Metadaten von privaten, lokalen Daten können in einen oder mehrere semantische(n) Layer eingefügt werden. Der Anwender hat damit in der genutzten BI-Umgebung Zugriff sowohl auf die zentral bereitgestellten als auch die lokalen Daten für seine Berichte und Analysen. 3) Letztlich können lokale Daten auch direkt in Berichte integriert werden, indem eine Verknüpfung der Berichtsdaten mit lokalen Daten über Schlüssel erzielt werden kann. Generell bieten Self-Service-Funktionen dem Fachanwender eine schnelle und selbst zu bedienende Möglichkeit zur Datenintegration in seine Berichte. Die Self-Service-Werkzeuge arbeiten Aspekt 1: Modifikation von Berichten und Dashboards Der Einsatz von Self-Service-Werkzeugen unterstützt Anwender bei der individuellen Modifikation von Berichten und Dashboards. Power User können nach eigenen Kennzahlen und Strukturen filtern und einfache Berichte erzeugen. Die Erstellung von Analysen für den eigenen Gebrauch können die Anwender unabhängig betreiben und daraus eigenständig Erkenntnisse über die Geschäftsprozesse ziehen. Außerdem kann eine Berichtsanpassung einfach durchgeführt werden, bspw. durch die Berechnung und Erzeugung neuer Zahlen, Grafiken und Sichten. Folglich ermöglichen Self-Service-Funktionen den Nutzern auch eine höhere Flexibilität bei der Berichterstellung. Abbildung 2: Darstellung des Integrationsprozesses von privaten, lokalen Daten isi Medien, München CeBIT Guide Business Intelligence 2012

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen

Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Oracle DWH-Konferenz 21. März 2012 Dr. Carsten Bange Gründer & Geschäftsführer BARC Big Data bietet Methoden und Technologien

Mehr

Big Data Vom Hype zum Geschäftsnutzen

Big Data Vom Hype zum Geschäftsnutzen Big Data Vom Hype zum Geschäftsnutzen IBM IM Forum, Berlin, 16.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Hype 15.04.2013 BARC 2013 2 1 Interesse an Big Data Nature 09-2008 Economist 03-2010

Mehr

Business Intelligence - Wie passt das zum Mainframe?

Business Intelligence - Wie passt das zum Mainframe? Business Intelligence - Wie passt das zum Mainframe? IBM IM Forum, 15.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Ressourcen bei BARC für Ihr Projekt Durchführung von internationalen Umfragen,

Mehr

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence IBM Netezza Roadshow 30. November 2011 Carsten Bange Gründer & Geschäftsführer BARC Die Krise hat die Anforderungen

Mehr

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data: Nutzen und Anwendungsszenarien CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data steht für den unaufhaltsamen Trend, dass immer mehr Daten in Unternehmen anfallen und von

Mehr

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller Was ist? Hannover, CeBIT 2014 Patrick Keller Business Application Research Center Historie 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl Wirtschaftsinformatik der Universität

Mehr

Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI. Hannover, 10. März 2014 Patrick Keller, Senior Analyst

Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI. Hannover, 10. März 2014 Patrick Keller, Senior Analyst Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI Hannover, 10. März 2014 Patrick Keller, Senior Analyst Business Application Research Center BARC Historie BARC ist der führende

Mehr

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data Herausforderungen und Chancen für Controller ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Organisationen Beratung Strategie

Mehr

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle. CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Digitale Transformation: BI und Big Data treiben neue Geschäftsmodelle CeBIT, 18.3.2015 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Unternehmen Beratung Strategie

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

Trends in Business Intelligence

Trends in Business Intelligence Trends in Business Intelligence Dr. Carsten Bange Business Intelligence (BI) beschreibt die Erfassung, Sammlung und Darstellung von Information zur Planung, Steuerung und Kontrolle der Unternehmensleistung.

Mehr

Symbiose hybrider Architekturen im Zeitalter digitaler Transformation. Hannover, 18.03.2015

Symbiose hybrider Architekturen im Zeitalter digitaler Transformation. Hannover, 18.03.2015 Symbiose hybrider Architekturen im Zeitalter digitaler Transformation Hannover, 18.03.2015 Business Application Research Center (BARC) B (Analystengruppe Europas führendes IT-Analysten- und -Beratungshaus

Mehr

Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise

Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise Software AG Innovation Day 2014 Bonn, 2.7.2014 Dr. Carsten Bange, Geschäftsführer Business Application Research Center

Mehr

Trends in Business Intelligence

Trends in Business Intelligence Trends in Business Intelligence Patrick Keller Senior Analyst BARC Business Application Research Center BARC ist Marktanalyst und Berater spezialisiert auf Business Intelligence, Daten- und Dokumentenmanagement.

Mehr

Durchblick im Self-Service-Dschungel. Hannover, 16.03.2015 Patrick Keller, Senior Analyst

Durchblick im Self-Service-Dschungel. Hannover, 16.03.2015 Patrick Keller, Senior Analyst Durchblick im Self-Service-Dschungel Hannover, 16.03.2015 Patrick Keller, Senior Analyst Business Application Research Center (BARC) B Europas führendes IT-Analysten- und -Beratungshaus für Business Software

Mehr

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15 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

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden

Mehr

Digitalisierung wie aus einer Strategie Realität wird.

Digitalisierung wie aus einer Strategie Realität wird. Digitalisierung wie aus einer Strategie Realität wird. Information Builders International Summit Frankfurt, 10.06.2015 Dr. Carsten Bange, Business Application Research Center (BARC) Knüpfen wir dort an,

Mehr

Markttrends im Data Warehousing Bereich. Aktuelle Tendenzen und Technologien. CAS AG SPoT 2012 07. Mai 2012 Lars Iffert Analyst BARC

Markttrends im Data Warehousing Bereich. Aktuelle Tendenzen und Technologien. CAS AG SPoT 2012 07. Mai 2012 Lars Iffert Analyst BARC Markttrends im Data Warehousing Bereich Aktuelle Tendenzen und Technologien CAS AG SPoT 2012 07. Mai 2012 Lars Iffert Analyst BARC Was sind die Hauptprobleme in BI-Projekten? Top 5 Probleme beim Einsatz

Mehr

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards

Mehr

Hannover, 20.03.2015 Halle 5 Stand A36

Hannover, 20.03.2015 Halle 5 Stand A36 Integrierte Unternehmensinformationen als Fundament für die digitale Transformation vor allem eine betriebswirtschaftliche Aufgabe Hannover, 20.03.2015 Halle 5 Stand A36 Business Application Research Center

Mehr

Datenintegration, -qualität und Data Governance. Hannover, 14.03.2014

Datenintegration, -qualität und Data Governance. Hannover, 14.03.2014 Datenintegration, -qualität und Data Governance Hannover, 14.03.2014 Business Application Research Center Führendes europäisches Analystenhaus für Business Software mit Le CXP (F) objektiv und unabhängig

Mehr

Big Data, small Data und alles dazwischen!

Big Data, small Data und alles dazwischen! Technologische Entwicklung Governance & Compliance Entwicklung 15.05.2015 Big Data, small Data und alles dazwischen! Wien, 20.5.2015 Herbert Stauffer Geschichtliche Entwicklung der Weg zu Big Data 1970

Mehr

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht

Big-Data-Technologien - Überblick - Prof. Dr. Jens Albrecht Big-Data-Technologien - Überblick - Quelle: http://www.ingenieur.de/panorama/fussball-wm-in-brasilien/elektronischer-fussball-smartphone-app-helfen-training Big-Data-Anwendungen im Unternehmen Logistik

Mehr

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com

Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick Volker.Hinz@microsoft.com Was sagt der Markt? Fakten Meinung der Analysten zu Microsofts Angeboten Nutzen

Mehr

Business Intelligence: Markt, Trends und Technologien. Dr. Carsten Bange Darmstadt, 22.1.2008

Business Intelligence: Markt, Trends und Technologien. Dr. Carsten Bange Darmstadt, 22.1.2008 Business Intelligence: Markt, Trends und Technologien Dr. Carsten Bange Darmstadt, 22.1.2008 Business Intelligence & Corporate Performance Management Entwicklung des BI-Softwaremarktes Seit Jahren robustes

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

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren Strategie und Self Service BI im Unternehmen Gegensätze miteinander kombinieren Claas Planitzer Düsseldorf Juni 2015 Agenda 5. Herausforderungen 1. Idealbild 2. Realität 3. Self Service 4. BI. Was ist

Mehr

BARC-Studie Data Warehousing und Datenintegration

BARC-Studie Data Warehousing und Datenintegration Ergebnisse der BARC-Studie Data Warehouse Plattformen Dr. Carsten Bange BARC-Studie Data Warehousing und Datenintegration Data-Warehouse -Plattformen und Datenintegrationswerkzeuge im direkten Vergleich

Mehr

Möglichkeiten für bestehende Systeme

Möglichkeiten für bestehende Systeme Möglichkeiten für bestehende Systeme Marko Filler Bitterfeld, 27.08.2015 2015 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda Gegenüberstellung Data Warehouse Big Data Einsatz-

Mehr

Self-Service Business Intelligence (SSBI) Nutzenpotenziale für einen verbesserten Austausch von Informationen im Unternehmen

Self-Service Business Intelligence (SSBI) Nutzenpotenziale für einen verbesserten Austausch von Informationen im Unternehmen Fabian Geist, B.Sc. Dipl.-Wirtsch.-Ing. Torsten Kluin Prof. Dr. Harald Ritz Self-Service Business Intelligence (SSBI) Nutzenpotenziale für einen verbesserten Austausch von Informationen im Unternehmen

Mehr

Master Data Management - Wege aus der Datenkrise

Master Data Management - Wege aus der Datenkrise Master Data Management - Wege aus der Datenkrise Conect 2008-04-03 Dr. Siegmund Priglinger Business Application Research Center (BARC) Steinbachtal 2b D-97082 Würzburg +49-931-8806510 www.barc.de Agenda

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

DWH Szenarien. www.syntegris.de

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

Mehr

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 0 Es TOP 10 DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 wird ein wichtiges Jahr für BIG (Business Intelligence Growth) 2012 war ein fantastisches Jahr für Business Intelligence! Die biedere alte

Mehr

ETL in den Zeiten von Big Data

ETL in den Zeiten von Big Data ETL in den Zeiten von Big Data Dr Oliver Adamczak, IBM Analytics 1 1 Review ETL im Datawarehouse 2 Aktuelle Herausforderungen 3 Future of ETL 4 Zusammenfassung 2 2015 IBM Corporation ETL im Datawarehouse

Mehr

Business Intelligence Werkzeuge Nutzen für den Controller! Dr. Carsten Bange Gründer und Geschäftsführer BARC

Business Intelligence Werkzeuge Nutzen für den Controller! Dr. Carsten Bange Gründer und Geschäftsführer BARC Business Intelligence Werkzeuge Nutzen für den Controller! Dr. Carsten Bange Gründer und Geschäftsführer BARC Business Application Research Center BARC hilft Ihnen, richtige Software-Entscheidungen zu

Mehr

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon

Mehr

Andreas Emhart Geschäftsführer Alegri International Group

Andreas Emhart Geschäftsführer Alegri International Group Andreas Emhart Geschäftsführer Alegri International Group Agenda Vorstellung Alegri International Überblick Microsoft Business Intelligence Sharepoint Standard Business Intelligence Tool Excel Service

Mehr

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO innovation@work Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO thinkbetter AG Florian Moosmann 8. Mai 2013 1 Agenda Prädiktive Analyse Begriffsdefinition Herausforderungen Schwerpunktbereiche

Mehr

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

Mehr

Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg, 16.09.2014 www.boak.ch

Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg, 16.09.2014 www.boak.ch Business Intelligence Architektur im Umfeld von Big Data (IDAREF) [D2] Bernd Meister Uetliberg, 16.09.2014 www.boak.ch In dieser Session wird IDAREF, ein Framework, dass auf logischer Ebene eine analytische

Mehr

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Konrad Linner, solvistas GmbH Nürnberg, 20.November 2012 Inhaltsverzeichnis Vorstellung solvistas

Mehr

Infografik Business Intelligence

Infografik Business Intelligence Infografik Business Intelligence Top 5 Ziele 1 Top 5 Probleme 3 Im Geschäft bleiben 77% Komplexität 28,6% Vertrauen in Zahlen sicherstellen 76% Anforderungsdefinitionen 24,9% Wirtschaflicher Ressourceneinsatz

Mehr

1Ralph Schock RM NEO REPORTING

1Ralph Schock RM NEO REPORTING 1Ralph Schock RM NEO REPORTING Bereit für den Erfolg Business Intelligence Lösungen Bessere Entscheidungen Wir wollen alle Mitarbeiter in die Lage versetzen, bessere Entscheidungen schneller zu treffen

Mehr

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

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

BusinessITPeople. Reporting und Analyse mit SAP Business Objects. Von Self-Service bis Pixel-Perfect: Relevante Daten verständlich präsentiert

BusinessITPeople. Reporting und Analyse mit SAP Business Objects. Von Self-Service bis Pixel-Perfect: Relevante Daten verständlich präsentiert Reporting und Analyse mit SAP Business Objects Auf Basis von SAP BW oder relationalen DBMS Von Self-Service bis Pixel-Perfect: Relevante Daten verständlich präsentiert Reporting Automatisiert generierte

Mehr

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zettabyte CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zetabyte: analytische Datenbanken Die Datenflut. Analytische Datenbanken: Was ist neu? Analytische Datenbanken:

Mehr

BI in der Cloud eine valide Alternative Überblick zum Leistungsspektrum und erste Erfahrungen 11.15 11.45

BI in der Cloud eine valide Alternative Überblick zum Leistungsspektrum und erste Erfahrungen 11.15 11.45 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

Travian Games nutzt Pentaho Datenintegration und Business Analytics zur Optimierung des Spieldesigns

Travian Games nutzt Pentaho Datenintegration und Business Analytics zur Optimierung des Spieldesigns Travian Games nutzt Pentaho Datenintegration und Business Analytics zur Optimierung des Spieldesigns Pentaho ermöglicht Analyse der von den über 120 Millionen registrierten Spielern generierten Datenflut

Mehr

ERP 2020: Zurück in die Zukunft?! - Treiber, Handlungsfelder und Lösungen für zukunftsfähige ERP-Lösungen

ERP 2020: Zurück in die Zukunft?! - Treiber, Handlungsfelder und Lösungen für zukunftsfähige ERP-Lösungen ERP 2020: Zurück in die Zukunft?! - Treiber, Handlungsfelder und Lösungen für zukunftsfähige ERP-Lösungen Name: Markus Beck Funktion/Bereich: Geschäftsführer Organisation: Deliance GmbH Liebe Leserinnen

Mehr

Big Data Hype und Wirklichkeit Bringtmehrauchmehr?

Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Günther Stürner, Vice President Sales Consulting 1 Copyright 2011, Oracle and/or its affiliates. All rights Überschrift 2 Copyright 2011, Oracle and/or

Mehr

SAS Analytics bringt SAP HANA in den Fachbereich

SAS Analytics bringt SAP HANA in den Fachbereich Pressemitteilung Hamburg, 08. November 2013 SAS Analytics bringt SAP HANA in den Fachbereich Ergonomie kombiniert mit Leistungsfähigkeit: die BI-Experten der accantec group geben der neuen Partnerschaft

Mehr

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI Hanau, 25.02.2015 1 Titel der Präsentation, Name, Abteilung, Ort, xx. Monat 2014 Der Aufbau der Group BI Plattform

Mehr

erhöhen, aber Wildwuchs verhindern Jacqueline Bloemen, Patrick Keller

erhöhen, aber Wildwuchs verhindern Jacqueline Bloemen, Patrick Keller Self Service Business Intelligence: Flexibilität erhöhen, aber Wildwuchs verhindern TDWI München, 18. Juni 2013 Jacqueline Bloemen, Patrick Keller 1 Business Application Research Center Historie 1994:

Mehr

Einführungsveranstaltung: Data Warehouse

Einführungsveranstaltung: Data Warehouse Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring

Mehr

Trends in Business Intelligence

Trends in Business Intelligence Trends in Business Intelligence Dr. Carsten Bange Gründer und Geschäftsführer BARC Business Application Research Center BARC ist Marktanalyst und Berater spezialisiert auf Business Intelligence, Daten-

Mehr

Business Performance Management Next Generation Business Intelligence?

Business Performance Management Next Generation Business Intelligence? Business Performance Management Next Generation Business Intelligence? München, 23. Juni 2004 Jörg Narr Business Application Research Center Untersuchung von Business-Intelligence-Software am Lehrstuhl

Mehr

Step 0: Bestehende Analyse-Plattform

Step 0: Bestehende Analyse-Plattform Die Themen 09:30-09:45 Einführung in das Thema (Oracle) 09:45-10:15 Hadoop in a Nutshell (metafinanz) 10:15-10:45 Hadoop Ecosystem (metafinanz) 10:45-11:00 Pause 11:00-11:30 BigData Architektur-Szenarien

Mehr

Michael Bauer Niederlassungsleiter Köln

Michael Bauer Niederlassungsleiter Köln Click to edit Master title style 1 Michael Bauer Niederlassungsleiter Köln Hamburg, 18. Juni 2009 2009 IBM Corporation Agenda Click to edit Master title style 2 zur Person Wo, Warum.., Was - CPM liefert

Mehr

19.11.2009. Business Intelligence und Web 2.0. Business Application Research Center

19.11.2009. Business Intelligence und Web 2.0. Business Application Research Center Business Application Research Center BARC ist Marktanalyst und Berater spezialisiert auf Business Intelligence, Daten- und Dokumentenmanagement. Business Intelligence und Web 2.0 Dr. Carsten Bange Gründer

Mehr

Die Rolle des Stammdatenmanagements im digitalen Unternehmen

Die Rolle des Stammdatenmanagements im digitalen Unternehmen Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Die Rolle des Stammdatenmanagements im digitalen Unternehmen Frankfurt, April 2015 Die Digitalisierung der Welt Nach der Globalisierung

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

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

Mehr

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

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

Big Data in Marketing und IT

Big Data in Marketing und IT Big Data in Marketing und IT Chancen erkennen, Strategien entwickeln und Projekte erfolgreich umsetzen T-Systems Hacker Day 30. September 2015 Prof. Dr. Alexander Rossmann Reutlingen University Big Data

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

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch

Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Big Data: Definition, Einführung und Live Democase [C1] Arne Weitzel Uetliberg, 16.09.2014 www.boak.ch Unstrukturierte Daten spielen eine immer bedeutender Rolle in Big Data-Projekten. Zunächst gilt es

Mehr

Business Intelligence Governance

Business Intelligence Governance Business Intelligence Governance von der Vision zur Realität im Unternehmensalltag Webinar September 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das intelligente Unternehmen

Mehr

Business Intelligence für alle ein integrierter und ganzheitlicher Ansatz

Business Intelligence für alle ein integrierter und ganzheitlicher Ansatz Business Intelligence für alle ein integrierter und ganzheitlicher Ansatz Martina Schnelle, PreSales Senior Specialist BI 21. Mai 2015 Public Haftungsausschluss In dieser Präsentation wird nur eine allgemeine

Mehr

DATA WAREHOUSE Optimiertes und flexibles Datenmanagement für das Investment Reporting

DATA WAREHOUSE Optimiertes und flexibles Datenmanagement für das Investment Reporting DATA WAREHOUSE Optimiertes und flexibles Datenmanagement für das Investment Reporting 1 Lange bewährt immer noch gelitten Das Data Warehouse ist vielen ein Dorn im Auge IT-Manager messen der zentralen

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendung 1 MInf1 HAW Hamburg Betreuender Professor: Prof. Dr. Zukunft by Jason Hung Vuong [12] Gliederung 1. Hamburg Energie Kooperation 2. Motivation 3. Business Intelligence 4.

Mehr

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

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

Mehr

Self Service BI. - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge

Self Service BI. - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge Self Service BI - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge 04. Juli 2013 Cubeware GmbH zu Gast im Hause der Raber+Märcker GmbH Referent: Uwe van Laak Presales Consultant

Mehr

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

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

Mehr

Mehr Wissen über Kunden und Leistungen Daten und Prozesse verbinden CeBIT, Hannover, 10.03.2014. Martin Böhn, Head of CRM, Senior Analyst

Mehr Wissen über Kunden und Leistungen Daten und Prozesse verbinden CeBIT, Hannover, 10.03.2014. Martin Böhn, Head of CRM, Senior Analyst Mehr Wissen über Kunden und Leistungen Daten und Prozesse verbinden CeBIT, Hannover, 10.03.2014 Martin Böhn, Head of CRM, Senior Analyst CRM in der heutigen Praxis: Kampf Vor-Ort- Termine Prospekte, Beispiele

Mehr

David gegen Goliath Excel 2010 in Verbindung mit Datawarehouse und im Vergleich zu Business Objects

David gegen Goliath Excel 2010 in Verbindung mit Datawarehouse und im Vergleich zu Business Objects Thema: David gegen Goliath Excel 2010 in Verbindung mit Datawarehouse und im Vergleich zu Business Objects Autor: Dipl. Wirtsch.-Inf. Torsten Kühn PRAXIS-Consultant PRAXIS EDV- Betriebswirtschaft- und

Mehr

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH Lars Priebe Senior Systemberater ORACLE Deutschland GmbH Data Mining als Anwendung des Data Warehouse Konzepte und Beispiele Agenda Data Warehouse Konzept und Data Mining Data Mining Prozesse Anwendungs-Beispiele

Mehr

Fortgeschrittene Analysetechnologien: Abgrenzung, Produktübersicht, Erfolgsfaktoren

Fortgeschrittene Analysetechnologien: Abgrenzung, Produktübersicht, Erfolgsfaktoren Fortgeschrittene Analysetechnologien: Abgrenzung, Produktübersicht, Erfolgsfaktoren BI, Big Data, CRM Forum @ CeBIT 2015, Hannover, 19.03.2015 Patrick Keller, Senior Analyst Status Quo Business Intelligence

Mehr

SQL PASS Treffen RG KA. Überblick Microsoft Power BI Tools. Stefan Kirner Karlsruhe, 27.05.2014

SQL PASS Treffen RG KA. Überblick Microsoft Power BI Tools. Stefan Kirner Karlsruhe, 27.05.2014 SQL PASS Treffen RG KA Überblick Microsoft Power BI Tools Stefan Kirner Karlsruhe, 27.05.2014 Agenda Die wichtigsten Neuerungen in SQL 2012 und Power BI http://office.microsoft.com/en-us/office365-sharepoint-online-enterprise-help/power-bi-for-office-365-overview-andlearning-ha104103581.aspx

Mehr

EXASOL Anwendertreffen 2012

EXASOL Anwendertreffen 2012 EXASOL Anwendertreffen 2012 EXAPowerlytics Feature-Architektur EXAPowerlytics In-Database Analytics Map / Reduce Algorithmen Skalare Fkt. Aggregats Fkt. Analytische Fkt. Hadoop Anbindung R LUA Python 2

Mehr

WAVE Solutions Information Technology GmbH Evaluierung und Auswahlprozess für BI-Tools. Best Practices der WAVE Solutions für die Bank Austria

WAVE Solutions Information Technology GmbH Evaluierung und Auswahlprozess für BI-Tools. Best Practices der WAVE Solutions für die Bank Austria 2008 WAVE Solutions Information Technology GmbH Evaluierung und Auswahlprozess für BI-Tools. Best Practices der WAVE Solutions für die Bank Austria WAVE: Steckbrief WAVE Solutions Information Technology

Mehr

Integration und massiver Excel-Einsatz Herausforderungen in der Planung

Integration und massiver Excel-Einsatz Herausforderungen in der Planung Integration und massiver Excel-Einsatz Herausforderungen in der Planung CeBIT, Hannover, 10.03.2014 Dr. Christian Fuchs, Senior Analyst Business Application Research Center Historie 1994: Beginn der Untersuchung

Mehr

Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung

Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung Hochschulstudium (Wirtschaftsinformatik oder ein vergleichbarer Studiengang) Fachliche und technische Kenntnisse im Bereich Business

Mehr

O-BIEE Einführung mit Beispielen aus der Praxis

O-BIEE Einführung mit Beispielen aus der Praxis O-BIEE Einführung mit Beispielen aus der Praxis Stefan Hess Business Intelligence Trivadis GmbH, Stuttgart 2. Dezember 2008 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg

Mehr

Profil Andy Sydow. Persönliche Daten. Profil. Profil Andy Sydow. Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung

Profil Andy Sydow. Persönliche Daten. Profil. Profil Andy Sydow. Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung Profil Andy Sydow Persönliche Daten Nationalität Sprachen Abschluss deutsch Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung Profil Herr Sydow verfügt über mehrjährige Erfahrung als DWH/BI

Mehr

Visual Business Intelligence Eine Forschungsperspektive

Visual Business Intelligence Eine Forschungsperspektive Visual Business Intelligence Eine Forschungsperspektive Dr. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155 646 Fax.: +49

Mehr

The Need for Speed. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

The Need for Speed. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor The Need for Speed CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor The Need for Speed Industrialisierung, Agilität und Compliance die Rolle von Performance Management

Mehr

Agile BI mit Agile BI Modeler & Agile Scorecard

Agile BI mit Agile BI Modeler & Agile Scorecard Agile BI mit Agile BI Modeler & Agile Scorecard Business Intelligence - so einfach wie möglich - so komplex wie nö7g Jon Nedelmann Darmstadt, 26.10.2012 Agile BI Tools Agile BI Modeler Ist eine Web- Anwendung

Mehr

4. WORKSHOP - OSBI Big Data und Datenvirtualisierung. Dr. Sebastian Streit & Maxim Zehe

4. WORKSHOP - OSBI Big Data und Datenvirtualisierung. Dr. Sebastian Streit & Maxim Zehe 4. WORKSHOP - OSBI Big Data und Datenvirtualisierung Dr. Sebastian Streit & Maxim Zehe F. Hoffmann-La Roche AG Gegründet 1896 in Basel Über 80.000 Mitarbeitende Führende Position in Pharma Fokussierung

Mehr

Business Analytics verbessert die Wertschöpfungskette

Business Analytics verbessert die Wertschöpfungskette Pressemitteilung Hamburg, 05. September 2013 Business Analytics verbessert die Wertschöpfungskette accantec zeigt auf dem SAS Forum in Mannheim vom 11.- 12.09.2013, wie Unternehmen mit SAS Visual Analytics

Mehr

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht)

Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Christian Haag, DATA MART Consulting Consulting Manager Oracle DWH Team

Mehr

Prof. Dr.-Ing. Rainer Schmidt 1

Prof. Dr.-Ing. Rainer Schmidt 1 Prof. Dr.-Ing. Rainer Schmidt 1 Business Analytics und Big Data sind Thema vieler Veröffentlichungen. Big Data wird immer häufiger bei Google als Suchbegriff verwendet. Prof. Dr.-Ing. Rainer Schmidt 2

Mehr

Mobile Business Intelligence mit SAP BusinessObjects 4.0

Mobile Business Intelligence mit SAP BusinessObjects 4.0 Mobile Business Intelligence mit SAP BusinessObjects 4.0 1 Agenda 1. Vorstellung Infomotion 2. SAP BusinessObjects 4.0 Allgemeine Informationen Produktportfolio Die semantische Schicht Universum Der direkte

Mehr

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft

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

Mehr

Social Media trifft Business

Social Media trifft Business Social Media trifft Business Intelligence Social Media Analysis als Teil der Unternehmenssteuerung Tiemo Winterkamp, VP Global Marketing Agenda Social Media trifft Business Intelligence Business Intelligence

Mehr

Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen

Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen 01000111101001110111001100110110011001 Volumen 10 x Steigerung des Datenvolumens alle fünf Jahre Big Data Entstehung

Mehr

Business Analytics in der Big Data-Welt

Business Analytics in der Big Data-Welt Business Analytics in der Big Data-Welt Frankfurt, Juni 2014 Dr. Wolfgang Martin Analyst und Mitglied im Boulder BI Brain Trust Big Data-Analytik "The way I look at big data analytics is it's not a technology,

Mehr

Top 10 der Business Intelligence-Trends für 2014

Top 10 der Business Intelligence-Trends für 2014 Top 10 der Business Intelligence-Trends für 2014 Das Ende der Datenexperten. Datenwissenschaft kann künftig nicht nur von Experten, sondern von jedermann betrieben werden. Jeder normale Geschäftsanwender

Mehr