Anforderungen von Solvency II an das Datenmanagement. Dr. Christian Thun Senior Director

Größe: px
Ab Seite anzeigen:

Download "Anforderungen von Solvency II an das Datenmanagement. Dr. Christian Thun Senior Director"

Transkript

1 Anforderungen von Solvency II an das Datenmanagement Dr. Christian Thun Senior Director

2 Agenda 1. Vorstellung von Moody s Analytics 2. Anforderungen an das Datenmanagement 3. Management analytischer Daten 4. Zusammenfassung

3 1 Vorstellung von Moody s Analytics

4 1. Vorstellung von Moody s Analytics 4 Struktur der Moody s Corporation Weltweit führend bei Bonitätseinstufungen, Research und Tools für die Ermittlung und das Management finanzieller Risiken Seit über 100 Jahren unabhängiger Anbieter von Bonitätseinstufungen und zugehörigen Informationen Research, Daten, Software und dazugehörige Dienstleistungen für das Management finanzieller Risiken 4

5 1. Vorstellung von Moody s Analytics Moody s globale Präsenz 5

6 2 Anforderungen an das Datenmanagement

7 2. Anforderungen an das Datenmanagement Moody s Analytics Insurance Regulatory Radar Quelle: Moody's Analytics 7

8 2. Anforderungen an das Datenmanagement Daten sind das Hauptproblem in vielen SII Projekten Wesentliche Probleme analytischer Daten 1. Zunehmende Regulierung (SII, IFRS etc.) und die Notwendigkeit das Verhältnis von Risiken und Kapital besser zu verstehen, treibt Versicherer an, große Mengen analytischer Daten zu erzeugen 2. Analytische Daten unterscheiden sich von operationellen Daten. Es handelt sich um aktuarielle, finanzielle und Investment Daten, die abweichende Merkmale und Anforderungen haben (z.b. Berechnungen und Aggregationen werden mit den Daten durchgeführt) und für die Abnahme interner Modelle relevant sind 3. Viele analytische Daten sind neu und komplex (z.b. die QRT Templates welche mehrere tausend Zellen haben). Dementsprechend müssen neue Quellsysteme angebunden werden und neue Instrumente werden benötigt, um die Daten zu erzeugen. 4. Große Datenmengen kommen weiterhin aus bestehenden Quellsystemen, wie z.b. Vertragsverwaltungen oder Schadens- und Buchungssystemen. Datenqualität, Konsistenz und Abgleich sind fundamentale Probleme. 5. Zahlreiche Versicherer haben bereits Datawarehouses / Datamarts im Einsatz, aber oft sind diese nicht auf analytische Daten ausgerichtet. Dementsprechend werden bestehende Lösungen angepasst oder neu entwickelt 6. Datenherkunft, Nachvollziehbarkeit, Prüfungen und Kontrollen sowie Daten Qualität sind problematisch und zeitgleich notwendig für SII Compliance. 7 Anwender dazu zu bewegen, zu definieren, welche Daten sie benötigen, in welcher Granularität und wofür diese letztlich verwendet werden ist das größte Hindernis. 8

9 2. Anforderungen an das Datenmanagement Beispiele für analytische Daten Aktuarielle Daten (Actuarial Engines Input / Ergebnisse) Product/Policy Data Risiko / SII Daten (Risk, Capital, Actuarial systems) Input Data Policy Data Claim Data ESG files Assumption files Run parameters Mortality Tables Morbidity Tables Model/Results Data Model ID Model Type Cash Flow Type Cash Flow ID Period Currency Cash Flow Amount Group Capital Capital Allocation Diversification Economic Capital RAROC RBC Own Funds Gross SCR Net SCR Projected SCR MCR Market Risk Insurance Risk Operational Risk Counter Party Risk Concentration Risk Actuarial Engines Spread Sheets Actuarial Engines Capital Engines Asset/Investment Daten (Asset Manger) Finanzdaten (Finanz / Hauptbuch Systeme) Portfolio Equities Bonds Deposits FIS Debtors Other Assets CIC Codes Fund Type Fund Summary Fund Details Reserve Details IFRS 9 & 4 GAAP SII Balance Sheet Adjustments Organisational Structure Supervisory Details Economic Zone Country of Operation Solo add-ons Fund Managers Investment Systems Hauptbuch Financial Consolidation 9

10 2. Anforderungen an das Datenmanagement Analytische Daten vs. operationelle Daten Analytische Daten Vornehmlich aktuarielle, finanzielle, Investment- und Risikodaten Muss auf sehr granularer Ebene gespeichert werden z.b. Transaktionendaten Daten werden oftmals aggregiert & konsolidiert Wucherung von Spread Sheets Vorrangig verwendet für das aufsichtsrechtliche und bilanzielle Berichtswesen sowie strategische Entscheidungen Finanzsysteme Anlagenverwaltung Aktuarielle Systeme Risiko Systeme Operationelle Daten Vorrangig Daten über Policen, Kunden, CRM, Neugeschäft & Schäden Typischerweise große Volumina Speicherung in Mainstream Businessystemen Hauptsächliche Verwendung für operationelles und Management Reporting Auszüge der Daten aus Policen, Schäden & Neugeschäft werden oft von aktuariellen Systemen verwendet. Vertragsdaten Schadendaten CRM Systeme Neugeschäft 10

11 2. Anforderungen an das Datenmanagement Anforderungen seitens EIOPA EIOPA Datenanforderungen Fehlerfrei Vollständig Angemessen Frei von wesentlichen Fehlern und fehlenden Daten Informationen sind angemessen, zeitnah und konsistent Hoher Grad an Zuverlässigkeit Glaubwürdigkeit / Zuverlässigkeit der Daten zeigt sich durch die Nutzung bei der Entscheidungsfindung Ermöglicht den Abgleich homogener Risikogruppen Ausreichende Granularität um Trends zu identifizieren und zugrunde liegende Risiken zu verstehen Ausreichende historische Informationen sind verfügbar Fit for purpose Keine Voreingenommenheit (Bias) Relevant für das Portfolio des Versicherers Die Daten gelten als von hoher Qualität, wenn sie für die Geschäftsplanung und Entscheidungsfindung genutzt werden können und sie die realen Bedürfnisse richtig wiederspiegeln. 11

12 2. Anforderungen an das Datenmanagement Datenprobleme aus der Sicht eines Kunden Datenintegrität / Prozesse Quellsysteme Aktuelle Situation Niedrige Datenqualität (vor allem nonfinancial Daten) Fehler in der Vergangenheit Business-Logik ist nicht transparent Kein gemeinsames / Meta-Datenmodell Multiple Systeme (potenziell hunderte!) Multiple Technologien Multiple Lokationen Altsysteme Manuelle / Desktop aktuarielle Systeme Herausforderungen Datenqualität verbessern Kritische Datensätze auswählen Datenbereinigung Gesamte Struktur der Prozesse Definition eines Daten-Wörterbuches und eines Meta-Datenmodells Identifikation systematischer Probleme ( Null Felder und Duplikate) Kontrollen / Konsistenz Automatische Validierungen Reduktion des manuellen Datentransfers Überlegungen Gruppen / Solo / Akquisitionen Granularität der Daten verbessern Third Party Interaktionen z.b. Asset Manager Governance Schlecht definierte Prozesse und künftige Roadmap Fehlende Dokumentation Probleme bei Sicherheit, Nachvollziehbarkeit und Herkunft Data Governance Policy Datendefinitionen Konsistenter Kontrollrahmen für automatisierte Schnittstellen 12

13 2. Anforderungen an das Datenmanagement Datenqualitätsprozess Datenabzug Data Profiling / Qualität Reinigung & Deduping Daten Standardisierung Qualitätsüberwachung Anreicherung Abzug der Daten aus verschiedenen Quellsystemen Verwendung von Data-Profiling Techniken Dualer Prozess Reinigung & Entfernen von Dubletten Anwendung von Datenqualitäts- Checks und -- Regeln Nachverfolgung von Änderungen im Zeitablauf Anreicherung der internen Daten Policen Schäden Kundendaten Anlagen Finanzen Modelling Risiko ETL Tools Anwendung logischer Algorithmen & Regeln (allgemeine und spezielle für die Versicherungsbranche) um ein Bild der allgemeinen Datenqualität zu erhalten 1. Identifikation und Änderung beschädigter oder falscher Daten & Entfernen und Änderung von unvollständigen, fehlerhaften und ungenauen Daten 2. Es verbleibt nur eine Version der Daten Es gibt eine Reihe von Instrumenten, die bereits tausende von eingebauten Datenchecks enthalten und die um user-defined Regeln erweitert werden können. Laufendes Datenqualitätsprogramm im Rahmen der Unternehmens- Governance Anwendung von Software, die automatische Korrekturen anhand vordefinierter Regeln vornimmt. Anreicherung der internen Daten durch Hinzunahme von Informationen aus externen Quellen (z.b. demografische Informationen oder mikrogeographische Daten) Import in Profiling Tools Identifikation von Fehlern Datenbereinigung Qualitätsverbesserung Laufendes Monitoring Weitere Anreicherung 13

14 2. Anforderungen an das Datenmanagement Zentralisierung von Daten aus vielen Systemen/Silos Lokale Anwender Lokale Anwender Lokale Anwender Lokale Anwender Aktuariat Actuarial Engines Finanzen Anlagen Solo 1 EC Engines Solo 2 Solo 3 Risk Engines Gruppe Risiko Finance Engines Single Domain Solo 1- Quellsysteme Solo 2- Quellsysteme Solo 3- Quellsysteme 14

15 2. Anforderungen an das Datenmanagement Aktuarielle Modelle Datenanforderungen Unter Solvency II gibt es mehrere Anforderungen mit Blick auf die Daten, die für die versicherungsmathematischen Modelle benötigt werden: Alle Daten für SII Zwecke muss fehlerfrei, vollständig und angemessen sein. Modelle müssen in der Lage sein auch zu einem späteren Zeitpunkte erneut die gleichen Ergebnisse zu erzeugen. Dies bedeutet, dass die Modelle, sämtliche Daten und Parameter gespeichert werden müssen. Dementsprechend muss die Fähigkeit vorhanden sein, die Modelle, Daten und Spread Sheets zu speichern, um den Aufsichtsbehörden deren Fehlerfreiheit, Vollständigkeit und Angemessenheit nachzuweisen. Darüber hinaus müssen auch die Anforderungen der internen Revision erfüllt werden. 15

16 2. Anforderungen an das Datenmanagement Aktuarielle Umgebungen können komplex sein! Actuarial System 1 Actuarial System 2 16

17 3 Management analytischer Daten

18 3. Management analytischer Daten Aktuelle Technologielandschaft mit Blick auf Solvency II Traditionelle aktuarielle und Risikosysteme sind Desktopanwendungen und bedürfen umfassender manueller Kontrollen Oft verwenden Versicherer mehrere Risikosysteme als Ergebnis multinationaler Strukturen oder M&A Aktivitäten Solche Systeme sind häufig nicht für den unternehmensweiten Einsatz geeignet und erschweren die Sicherheit, Nachvollziehbarkeit und Kontrollen Risikodaten werden aus verschiedenen Quellen erhoben. Somit mangelt es an Konsistenz, Qualität und Kontrollen Das Berichtswesen ist über mehrere Systeme verteilt, so dass die Aggregation von Informationen erschwert wird Die Rechenleistung von Desktopanwendungen begrenzt die Möglichkeiten häufig und zunehmend komplexe Modellberechnungen zu erstellen 18

19 3. Management analytischer Daten Daten Architektur for Solvency II Data Management RiskFoundation Quellsysteme Data Storage RiskFoundation Reporting - Solvara Policen Systeme Marktdaten Investment Systeme /Managers Finance/HB Systeme ETL Tool Data Load Datenqualität Validierungen Abgleich Schadensysteme Genehmigungen Prüfung / Datenherkunft Analytical Repository Aktuarielle Daten Analytical Repository Finanzdaten Risikodaten Investment Daten Aggregation SCR Berechnungsmodul Management Berichte KPIs, Dashboards Solvency II QRTs SFCR RSR ORSA Use Test Business Decision Making XBRL BAFIN Operationelle Datenspeicher Analytisches Datenmodell Actuarial Engines Proxy Functions MoSes Igloo Prophet ReMetri ca Ökonomisches Kap. Bilanz Kreditrisiken Ausfallrisiken ESG Files Internes Model l 19

20 3. Management analytischer Daten Komponenten der Datentechnologie Komponenten 1.ETL Tools 2. Data Profiling Tools 3. Data Quality Tools 4. Relational Data Models Tools, welche Daten automatisch aus Quellsystemen extrahieren und in anderen Instrumente oder eine Datenbank laden Automatisieren die Identifikation problematischer Daten bevor diese in die Datenbank geladen werden und erstellen Statistiken über die Datenqualität. Tools, welche die Datenqualität anhand von vorgegebenen Regeln und Algorithmen verbessern. Häufig ergänzt um Expertenanalysen. Letztlich eine Landkarte mit den Daten, die eine Organisation benötigt und erstellt aus relationalen verknüpften Tabellen. 5. Data Management Tools Für Daten-Workflows, -Abgleich, -Aggregation und Genehmigungen 6. Repository 7. Reporting Engine Eine relationale Datenbank, die die Daten einem strukturierten und leicht zugänglichen Format ablegt und für Abfragen und Reports vorhält. Technologie, die die Datenbank strukturiert abfragt unter Verwendung von OLAP cubes für die Erstellung von Reports, Dashboards etc. 20

21 3. Management analytischer Daten Datenbank ist der Schlüssel zum Erfolg Wesentliche Features ETL Datenqualität Process Flow Audit Security & Kontrollen Logische & physische Datenmodelle für alle Arten von Kunden und analytische Daten, die auf die jeweiligen Bedürfnisses angepasst werden können. Bereiche für die Darstellung der Daten und von Ergebnissen für das Management, Genehmigung und Sperren von Daten Modulares Design für die leichte Anbindung an bestehende Systeme aus den Bereichen Risiko, ALM & Buchhaltung und Capital Planning Systeme Data Mart-Struktur innerhalb der Datenbank, um einzelne Geschäftsbereiche und Anwender zu unterstützen. Daten-Wörterbuch (mind. für SII & IFRS Daten) um aufsichtsrechtlichen Anforderungen zu genügen. Solvency II Reporting Business Reporting 6 7 Integrierte Datenimport- und Datenqualitäts-Tools, um den Daten Process Flow zu automatisieren und manuelle Interventionen zu reduzieren Datenprozess und Reporting Workflows mit Genehmigungs- und Sperrmöglichkeiten. Eingebaute Features wie Datenherkunft, Look through und Prüfungsmöglichkeiten 8 Anpassungsfähig an die Größe des Unternehmens und/oder Ausrollen auf mehrere Einheiten 21

22 4 Zusammenfassung

23 4. Zusammenfassung Daten bestimmen Business, Meldewesen und Entscheidungen Risiko / Kapital-Größen und ein solides Datenmodell ist notwendig Slice and Dice Fähigkeiten nach Gruppen, Einheiten, LOB, Produkten etc. Erstellung von Dashboards und KPIs Berechnung und Zuweisung von ökonomischem Kapital Granulare Modellierung von Kreditrisiken Unterstützung beim Use Test / ORSA 1. Geschäftsanforderungen 2. Daten- granularität 3. Daten- modell 4. OLAP Cubes Es ist unerlässlich, die notwendigen Informationen exakt zu definieren, die für das Meldewesen und die Entscheidungsfindung benötigt werden Anwender müssen den Level der Datengranularität und notwendige Drill-down Möglichkeiten (z.b. nach Land, LOB) definieren Sobald Nr. 1. und 2. abgeschlossen sind, kann die IT ein flexibles und leistungsfähiges Datenmodellerstellen, welches wiederum in einer relationalen Datenbank abgelegt wird Um die Rohdaten in Informationen zu verwandeln, muss IT OLAP Cubes entwickeln, die multidimensionale Ansichten der Daten für Berichte oder Dashboards erstellen 5. Daten in Echtzeit In einem zunehmenden Wettbewerb sind Daten in Echtzeit ein Muss für ein erfolgreiches Marketing 6. Automation Automation ist kritisch, um Termine und Compliance- Vorgaben einzuhalten sowie die Kosten zu reduzieren 23

24 moodysanalytics.com 2014 Moody s Analytics, Inc. und/oder zugehörige Lizenznehmer und verbundene Unternehmen (zusammenfassend MOODY S ). Alle Rechte vorbehalten. ALLE HIERIN ENTHALTENEN INFORMATIONEN SIND DURCH URHEBERRECHTSGESETZE GESCHÜTZT. ES IST OHNE VORHERIGE SCHRIFTLICHE GENEHMIGUNG VON MOODY S NICHT GESTATTET, DIE INFORMATIONEN IN JEGLICHER FORM ODER WEISE UND UNABHÄNGIG VON DEN VERWENDETEN MITTELN IN TEILEN ODER ALS GANZES ZU KOPIEREN ODER ANDERWEITIG ZU REPRODUZIEREN, NEU ZUSAMMENZUFASSEN, ZU ÜBERTRAGEN, ZU VERBREITEN, WEITERZUVERTREIBEN ODER WEITERZUVERKAUFEN ODER FÜR EINEN SOLCHEN ZWECK AUFZUBEWAHREN. Alle hierin enthaltenen Informationen stammen aus Quellen, die nach Dafürhalten von MOODY'S wahrheitsgemäß und zuverlässig sind. Da menschliche und mechanische Fehler sowie andere Faktoren nicht ausgeschlossen werden können, werden alle hierin enthaltenen Informationen WIE GESEHEN ohne jegliche Gewährleistung bereitgestellt. MOODY S ist unter keinen Umständen gegenüber Personen oder Rechtssubjekten haftbar für (a) Verluste oder Schäden, die in vollem Umfang oder teilweise durch Fehler (Nachlässigkeit oder Sonstiges), Umstände oder Eventualitäten verursacht werden, daraus resultieren oder damit in Zusammenhang stehen und außerhalb der Kontrolle von MOODY's oder dessen Direktoren, leitenden Angestellten, Mitarbeitern oder Vertretern stehen und mit der Beschaffung, Erfassung, Zusammenführung, Analyse, Interpretation, Kommunikation, Veröffentlichung oder Bereitstellung dieser Informationen zusammenhängen; (b) direkte, indirekte, besondere Schäden, Folgeschäden, Entschädigungen, Nebenkosten jeglicher Art (einschließlich, jedoch nicht beschränkt auf entgangene Gewinne), die in Folge der Verwendung oder der Unmöglichkeit der Verwendung solcher Informationen entstehen, selbst wenn MOODY S zuvor auf die Möglichkeit solcher Schäden hingewiesen wird. Eventuell in diesen Informationen enthaltene Ratings, Finanzberichtanalysen, Vorhersagen und sonstige Beobachtungen sind Meinungsaussagen und dürfen nur als solche ausgelegt werden. Es handelt sich dabei nicht um Tatsachenaussagen oder Empfehlungen zum Kauf, Verkauf oder Halten von Wertpapieren. ES WIRD WEDER AUSDRÜCKLICH NOCH STILLSCHWEIGEND GARANTIERT, DASS DIE RATINGS, SONSTIGEN MEINUNGEN ODER INFORMATIONEN, DIE VON MOODY'S IN JEGLICHER FORM ODER WEISE HERAUSGEGEBEN ODER PRODUZIERT WERDEN, GENAU, PÜNKTLICH, VOLLSTÄNDIG, MARKTGÄNGIG ODER FÜR EINEN BESTIMMTEN ZWECK GEEIGNET SIND. Jedes Rating und jede sonstige Meinung darf als nur 1 Faktor einer Anlageentscheidung gewichtet werden, die von einem Nutzer der Informationen oder in dessen Namen getroffen wird. Der Nutzer ist verpflichtet, im Hinblick auf jedes Wertpapier und jeden Emittenten, Bürgen und Kreditgaranten eines Wertpapiers, das gekauft, gehalten oder verkauft werden soll, eigene Untersuchungen und Bewertungen anzustellen.

Aktuelle Lösungen zum Umgang mit regulatorischen Anforderungen. ifb group 27. November 2013

Aktuelle Lösungen zum Umgang mit regulatorischen Anforderungen. ifb group 27. November 2013 Aktuelle Lösungen zum Umgang mit regulatorischen Anforderungen ifb group 27. November 2013 Vorstellung Johannes Balling Johannes.Balling@ifb-group.com Tel +41 44 318 70 00 Fax +41 44 318 70 10 Mobile +41

Mehr

Bessere Daten durch Stammdatenmanagement

Bessere Daten durch Stammdatenmanagement make connections share ideas be inspired Bessere Daten durch Stammdatenmanagement Mit SAS MDM, bessere Stammdaten für operativen Systeme make connections share ideas be inspired Overview Mit SAS MDM bessere

Mehr

Erfolgreiche Umsetzung der Anforderungen von Solvency II (Säule 3) mit SAP SEM-BCS und ConVista SolVentos

Erfolgreiche Umsetzung der Anforderungen von Solvency II (Säule 3) mit SAP SEM-BCS und ConVista SolVentos Quelle: Munich Re / Myrzik Jarisch Erfolgreiche Umsetzung der Anforderungen von Solvency II (Säule 3) mit SAP SEM-BCS und ConVista SolVentos 21. Mai 2015 Dr. Holger Mertens, Alexander Ritter Zur Erfüllung

Mehr

Modernes Design einer agilen und integrierten Finanz- und Risikoarchitektur

Modernes Design einer agilen und integrierten Finanz- und Risikoarchitektur Modernes Design einer agilen und integrierten Finanz- und Risikoarchitektur ifb group, 07.07.2014 Neue regulatorische Anforderungen für Finanzdienstleister Zusätzliche Einflüsse durch das Basel Committee

Mehr

Business Intelligence & professionelles Datenmanagement als Erfolgsfaktor

Business Intelligence & professionelles Datenmanagement als Erfolgsfaktor Yves-Deniz Obermeier Sales Manager Financial Services Ing. Thomas Heinzmann Division Management BI Mag. Martin Feith Senior Expert Business Intelligence & professionelles Datenmanagement als Erfolgsfaktor

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

Bernd von Staa, msg global solutions AG, Oktober 2015

Bernd von Staa, msg global solutions AG, Oktober 2015 .consulting.solutions.partnership SAP-Forum für Banken 7./8. Oktober 2015, Mainz Performance Management for Financial Industry am Beispiel Cost and Revenue Allocation Bernd von Staa, msg global solutions

Mehr

Der Weg zu einem ganzheitlichen GRC Management

Der Weg zu einem ganzheitlichen GRC Management Der Weg zu einem ganzheitlichen GRC Management Die Bedeutung von GRC Programmen für die Informationsicherheit Dr. Michael Teschner, RSA Deutschland Oktober 2013 1 Transformationen im Markt Mobilität Cloud

Mehr

Innovatives Reporting mit PM10: Analysen und Berichte mit Single Point of Truth 11.00 11.45 Uhr

Innovatives Reporting mit PM10: Analysen und Berichte mit Single Point of Truth 11.00 11.45 Uhr Copyright 2007 Infor. Alle Rechte vorbehalten. Innovatives Reporting mit PM10: Analysen und Berichte mit Single Point of Truth 11.00 11.45 Uhr Hubertus Thoma Presales Consultant PM Schalten Sie bitte während

Mehr

SAP Finanz- und Risikolösungen. Volker Mohr, SAP SE 20. Mai 2015 Public

SAP Finanz- und Risikolösungen. Volker Mohr, SAP SE 20. Mai 2015 Public SAP Finanz- und Risikolösungen Volker Mohr, SAP SE 20. Mai 2015 Public Agenda Überblick Integrierte Finanz- und Risikoarchitektur Relevanz eines integrierten Ansatzes Innovationen und Roadmap Zusammenfassung

Mehr

Risiko Modellierung mit PillarOne PillarOne Risk Management meets Open Source

Risiko Modellierung mit PillarOne PillarOne Risk Management meets Open Source Risiko Modellierung mit PillarOne PillarOne Risk Management meets Open Source Workshop SAV Tagung, 29. August 2009 Stefan Kunz, Intuitive Collaboration Das Projekt PillarOne PillarOne ist Community Entwicklung

Mehr

Datenmanagement für Solvency II

Datenmanagement für Solvency II make connections share ideas be inspired Wie sich durch effizientes Datenmanagement regulatorische Anforderungen erfüllen und Kosten senken lassen Datenmanagement für Solvency II Gabriele Smith SAS Center

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

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

Titel1. Titel2. Business Analytics als Werkzeug zur. Unternehmenssteuerung. Business Excellence Day 2015. Michael Shabanzadeh, 10.

Titel1. Titel2. Business Analytics als Werkzeug zur. Unternehmenssteuerung. Business Excellence Day 2015. Michael Shabanzadeh, 10. Titel1 Business Analytics als Werkzeug zur Titel2 Unternehmenssteuerung Business Excellence Day 2015 Michael Shabanzadeh, 10. Juni 2015 World Communication GmbH 2015 Seite 1 Definition Business Analytics

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

Der BearingPoint Analyzer und Transformer als Accelerator für die Implementierung des SAP Insurance Analyzer

Der BearingPoint Analyzer und Transformer als Accelerator für die Implementierung des SAP Insurance Analyzer Der BearingPoint Analyzer und Transformer als Accelerator für die Implementierung des SAP Insurance Analyzer Vortrag im Rahmen des SAP Forums für Versicherer 2015 Andrea Schmidt, Senior Managerin FS Versicherungen

Mehr

Strategische Ausrichtung des Data Warehouses der VPV. Thomas Feil, Projektleiter IT HMS Analytics Day Heidelberg, 25.09.2014

Strategische Ausrichtung des Data Warehouses der VPV. Thomas Feil, Projektleiter IT HMS Analytics Day Heidelberg, 25.09.2014 Strategische Ausrichtung des Data Warehouses der VPV Thomas Feil, Projektleiter IT HMS Analytics Day Heidelberg, 25.09.2014 Agenda 1. VPV Versicherung Historie und Kennzahlen 2. Ausgangssituation und Zielbild

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

Agenda. Portfolioübersicht. Business-Case. Zusammenfassung. Das Ziel. SAP EIM Produktportfolio. Datenreorganisation mit SAP EIM

Agenda. Portfolioübersicht. Business-Case. Zusammenfassung. Das Ziel. SAP EIM Produktportfolio. Datenreorganisation mit SAP EIM Datenreorganisation > Effiziente und performante Stammdatenreorganisation mit SAP Data Services < Simon Hartstein / T-Systems Data Migration Consulting AG / Harmonization & Consolidation Mai 21, 2014 Agenda

Mehr

Risk Management for Banking Herausforderungen für einen integrierten Approach

Risk Management for Banking Herausforderungen für einen integrierten Approach Risk Management for Banking Herausforderungen für einen integrierten Approach Frank Hansen Risk Practice Leader, SAS Deutschland Agenda Situation und Herausforderungen - Integrierte Risikosteuerung Stresstests

Mehr

Berichterstattung nach Solvency II

Berichterstattung nach Solvency II Berichterstattung nach Solvency II Herausforderungen für die Datenhaltung Solvency II Berichterstattung nach Solvency II Datum: 24012013 Herausforderungen für die Datenhaltung Team: Andreas Penzel (Leiter

Mehr

CatNet Services: Naturgefahreninformationen in der Versicherungsindustrie. Tina Schlenther, GEOCOM User Conference, 2015

CatNet Services: Naturgefahreninformationen in der Versicherungsindustrie. Tina Schlenther, GEOCOM User Conference, 2015 CatNet Services: Naturgefahreninformationen in der Versicherungsindustrie Tina Schlenther, GEOCOM User Conference, 2015 Agenda Swiss Re Was ist Rückversicherung? Naturgefahren & Schäden Lokation Schlüssel

Mehr

RE.one. Self Service Information Management für die Fachabteilung

RE.one. Self Service Information Management für die Fachabteilung RE.one Self Service Information Management für die Fachabteilung Das Ziel Verwertbare Informationen aus Daten gewinnen Unsere Vision Daten Info Data Warehousing radikal vereinfachen in einem Tool Die Aufgabe

Mehr

QUICK-START EVALUIERUNG

QUICK-START EVALUIERUNG Pentaho 30 für 30 Webinar QUICK-START EVALUIERUNG Ressourcen & Tipps Leo Cardinaals Sales Engineer 1 Mit Pentaho Business Analytics haben Sie eine moderne und umfassende Plattform für Datenintegration

Mehr

OLVENCY II. Standard Reporting für Versicherungsunternehmen SOLVENCY II. ConVista Consulting 2012 1

OLVENCY II. Standard Reporting für Versicherungsunternehmen SOLVENCY II. ConVista Consulting 2012 1 SOLVENCY II Standard Reporting für Versicherungsunternehmen OLVENCY II ConVista Consulting 2012 1 SOLVENCY II Standard Reporting für versicherungsunternehmen Inhalt 1. EINLEITUNG 2. HERAUSFORDERUNGEN FÜR

Mehr

Basel Committee on Banking Supervision: Principles for effective risk data aggregation and risk reporting (BCBS 239)

Basel Committee on Banking Supervision: Principles for effective risk data aggregation and risk reporting (BCBS 239) Basel Committee on Banking Supervision: Principles for effective risk data aggregation and risk reporting (BCBS 239) Neue Anforderungen an IT Architektur und Data Governance im Risikobereich von Banken

Mehr

Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr

Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche

Mehr

Lösungsoptionen IFRS 4 Phase II. Vaike Metzger KPMG - Partner Consulting Insurance Eva Dewor Accenture - Managing Director

Lösungsoptionen IFRS 4 Phase II. Vaike Metzger KPMG - Partner Consulting Insurance Eva Dewor Accenture - Managing Director Lösungsoptionen IFRS 4 Phase II Vaike Metzger KPMG - Partner Consulting Insurance Eva Dewor Accenture - Managing Director Projekt Regulatorik Eine Herausforderung besteht darin, die internen Projektpläne

Mehr

Data Governance Informationen kontrolliert managen

Data Governance Informationen kontrolliert managen make connections share ideas be inspired Data Governance Informationen kontrolliert managen Michael Herrmann SAS Copyright 2013, SAS Institute Inc. All rights reserved. DATA GOVERNANCE TRENDS UND TREIBER:

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

Banken tun sich mit der Umsetzung von BCBS 239 schwer

Banken tun sich mit der Umsetzung von BCBS 239 schwer Banken tun sich mit der Umsetzung von BCBS 239 schwer Andreas Bruckner Das Baseler Komitee für Bankenaufsicht (BCBS) hat am 23. Januar 2015 den Bericht über den Umsetzungsstand der Grundsätze für die effektive

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

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

SOA Governance Konzepte und Best Practices

SOA Governance Konzepte und Best Practices SOA Governance Konzepte und Best Practices Gerd Schneider Senior Director SOA Marketing Software AG 2/27/2007 Agenda Überblick SOA Governance Warum SOA Governance? Kundenbeispiel SAS Airlines Technische

Mehr

Experten für CRM und BI seit über 10 Jahren. Analytische CRM Lösungen im Vergleich

Experten für CRM und BI seit über 10 Jahren. Analytische CRM Lösungen im Vergleich Experten für CRM und BI seit über 10 Jahren Analytische CRM Lösungen im Vergleich Kernaussagen Analytische CRM Lösungen Analyse- und Reportmöglichkeiten bestehender CRM- Systeme können den Managementanforderungen

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

Analytical Credit Dataset (AnaCredit) Eine neue Dimension des aufsichtlichen Meldewesens. Matthias Zacharias Konzerncontrolling

Analytical Credit Dataset (AnaCredit) Eine neue Dimension des aufsichtlichen Meldewesens. Matthias Zacharias Konzerncontrolling Analytical Credit Dataset (AnaCredit) Eine neue Dimension des aufsichtlichen Meldewesens Matthias Zacharias Konzerncontrolling Motivation der Aufsicht ist die Errichtung einer granularen Kreditdatenbank

Mehr

10. Vorlesung: Datenorganisation SS 2007

10. Vorlesung: Datenorganisation SS 2007 10. Vorlesung: Datenorganisation SS 2007 8 Parallele Transaktionen 9 9.1 Drei-Ebenen Ebenen-Architektur 9.2 Verteilte Datenbanken 9.3 Client-Server Server-Datenbanken 9.4 Föderierte Datenbanken 9.5 Das

Mehr

Master Data Management

Master Data Management Master Data Management Warum Stammdatenmanagement Komplexität reduzieren Stammdatenmanagement bringt Ordnung in ihre Stammdaten. Doubletten werden erkannt und gesperrt. Stammdaten verschiedener Quellsysteme

Mehr

ISO & IKS Gemeinsamkeiten. SAQ Swiss Association for Quality. Martin Andenmatten

ISO & IKS Gemeinsamkeiten. SAQ Swiss Association for Quality. Martin Andenmatten ISO & IKS Gemeinsamkeiten SAQ Swiss Association for Quality Martin Andenmatten 13. Inhaltsübersicht IT als strategischer Produktionsfaktor Was ist IT Service Management ISO 20000 im Überblick ISO 27001

Mehr

Die Finanzfunktion als Treiber des Wandels am Beispiel SAP

Die Finanzfunktion als Treiber des Wandels am Beispiel SAP Die Finanzfunktion als Treiber des Wandels am Beispiel SAP Luka Mucic, CFO, COO und Mitglied des Vorstands, SAP SE SAP-Forum für Finanzmanagement und GRC, 13. 14. April 2015 Public SAP s Line of Business

Mehr

vinsight BIG DATA Solution

vinsight BIG DATA Solution vinsight BIG DATA Solution München, November 2014 BIG DATA LÖSUNG VINSIGHT Datensilos erschweren eine einheitliche Sicht auf die Daten...... und machen diese teilweise unmöglich einzelne individuelle Konnektoren,

Mehr

Einmal Pie-Chart und zurück: Manchmal ist mehr drin als man glaubt

Einmal Pie-Chart und zurück: Manchmal ist mehr drin als man glaubt Einmal Pie-Chart und zurück: Manchmal ist mehr drin als man glaubt Ian Perry Marco Lehmann Stefan Sander Darmstadt, 6.11.2012 Einmal Pie-Chart und zurück Ian Perry Sales Engineer - IP&S Client Technical

Mehr

Datenqualität für Kapital- und Liquiditätssteuerung sicherstellen

Datenqualität für Kapital- und Liquiditätssteuerung sicherstellen make connections share ideas be inspired Datenqualität für Kapital- und Liquiditätssteuerung sicherstellen Datenqualitätsprozesse auf allen Verarbeitungsstufen Carsten Krah, SAS Michael Herrmann, SAS Datenqualität

Mehr

Solvency II Komplexität bewältigen

Solvency II Komplexität bewältigen Solvency II Komplexität bewältigen Der Service Solvency II schafft die Voraussetzung für wertorientiertes Risikomanagement Motivation Die regulatorischen Anforderungen im Bereich Risikomanagement provozieren

Mehr

Transparente Geschäftsberichterstattung Pflicht oder Kür?

Transparente Geschäftsberichterstattung Pflicht oder Kür? Geschäftsberichte Symposium 2014 Transparente Geschäftsberichterstattung Pflicht oder Kür? Sandra Schreiner Head Group External Reporting 12. Juni 2014 Transparente Geschäftsberichterstattung Grundsatz

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

BI für Jedermann. Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition

BI für Jedermann. Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition BI für Jedermann Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition Wolfgang Rütter Bereichsleiter Informationssysteme OPITZ CONSULTING Gummersbach GmbH 1 Warum BI für Jedermann? 1. Historie

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

TFS als ALM Software. Erfahrungsbericht aus der MedTec Ecke. Lukas Müller

TFS als ALM Software. Erfahrungsbericht aus der MedTec Ecke. Lukas Müller TFS als ALM Software Erfahrungsbericht aus der MedTec Ecke Lukas Müller Agenda Tecan Umfeld und Prozesse Einsatzgebiet TFS Tecan Erweiterungen von TFS Erfahrungsaustausch Head Office in der Schweiz, >1100

Mehr

wikima4 mesaforte firefighter for SAP Applications

wikima4 mesaforte firefighter for SAP Applications 1 wikima4 mesaforte firefighter for SAP Applications Zusammenfassung: Effizienz, Sicherheit und Compliance auch bei temporären Berechtigungen Temporäre Berechtigungen in SAP Systemen optimieren die Verfügbarkeit,

Mehr

Strategisches Informationsmanagement auf Basis von Data Warehouse-Systemen

Strategisches Informationsmanagement auf Basis von Data Warehouse-Systemen Strategisches Informationsmanagement auf Basis von Data Warehouse-Systemen SAS PharmaHealth & Academia Gabriele Smith KIS-Tagung 2005 in Hamburg: 3. März 2005 Copyright 2003, SAS Institute Inc. All rights

Mehr

OLAP und Data Warehouses

OLAP und Data Warehouses OLP und Data Warehouses Überblick Monitoring & dministration Externe Quellen Operative Datenbanken Extraktion Transformation Laden Metadaten- Repository Data Warehouse OLP-Server nalyse Query/Reporting

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

Solvency II. Komplexität bewältigen

Solvency II. Komplexität bewältigen Solvency II Komplexität bewältigen Der Service Solvency II schafft die Voraussetzung für wertorientiertes Risikomanagement. Die regulatorischen Anforderungen im Bereich Risikomanagement provozieren einen

Mehr

SAP Simple Service Request. Eine Beratungslösung der SAP Consulting SAP Deutschland SE & Co. KG

SAP Simple Service Request. Eine Beratungslösung der SAP Consulting SAP Deutschland SE & Co. KG SAP Simple Service Request Eine Beratungslösung der SAP Consulting SAP Deutschland SE & Co. KG IT Service Management mit SAP Solution Manager SAP Solution Manager deckt alle Prozesse im IT Service Management

Mehr

Solvency II Berichtserstattungspflichten der HUK-Coburg mit Hilfe von TM1

Solvency II Berichtserstattungspflichten der HUK-Coburg mit Hilfe von TM1 Solvency II Berichtserstattungspflichten der HUK-Coburg mit Hilfe von TM1 Solvency II - Berichtserstattungspflichten der HUK-Coburg mit Hilfe von TM1 Agenda 1. Herausforderung 2. Über uns 3. Rahmenbedingungen

Mehr

The integration of business intelligence and knowledge management

The integration of business intelligence and knowledge management The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence

Mehr

PMI Munich Chapter 21.04.2008

PMI Munich Chapter 21.04.2008 Projektmanagement im Rahmen einer IT-Infrastruktur- Standardisierung mit internationalen Teams Christoph Felix PMP, Principal Project Manager, Microsoft Deutschland PMI Munich Chapter 21.04.2008 Agenda

Mehr

Übersicht. Zinskurve Technische Rückstellung. Martin Hahn 2

Übersicht. Zinskurve Technische Rückstellung. Martin Hahn 2 QIS 6 LTG Maßnahmen Übersicht Extrapolation der maßgeblichen risikofreien Zinskurve Volatility Adjustment (Volatilitätsanpassung) Matching Adjustment (Matching-Anpassung) Transitional Measures (Übergangsbestimmungen)

Mehr

DIE DATEN IM ZENTRUM: SAS DATA MANAGEMENT

DIE DATEN IM ZENTRUM: SAS DATA MANAGEMENT DIE DATEN IM ZENTRUM: SAS DATA RAINER STERNECKER SOLUTIONS ARCHITECT SAS INSTITUTE SOFTWARE GMBH Copyr i g ht 2013, SAS Ins titut e Inc. All rights res er ve d. NEUE WEGE GEHEN SAS DATA GOVERNANCE & QUALITY

Mehr

Produktinformation eevolution OLAP

Produktinformation eevolution OLAP Produktinformation eevolution OLAP Was ist OLAP? Der Begriff OLAP steht für Kurz gesagt: eevolution -OLAP ist die Data Warehouse Lösung für eevolution. Auf Basis verschiedener

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

Online Analytical Processing

Online Analytical Processing Online Analytical Processing Online Analytical Processing Online Analytical Processing (OLAP) ermöglicht die multidimensionale Betrachtung von Daten zwecks E rmittlung eines entscheidungsunterstützenden

Mehr

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr

Konzeption eines Master-Data-Management-Systems. Sven Schilling

Konzeption eines Master-Data-Management-Systems. Sven Schilling Konzeption eines Master-Data-Management-Systems Sven Schilling Gliederung Teil I Vorstellung des Unternehmens Thema der Diplomarbeit Teil II Master Data Management Seite 2 Teil I Das Unternehmen Vorstellung

Mehr

Data Warehouse. für den Microsoft SQL SERVER 2000/2005

Data Warehouse. für den Microsoft SQL SERVER 2000/2005 Warehouse für den Microsoft SQL SERVER 2000/2005 Begriffe 1 DWH ( Warehouse) ist eine fachübergreifende Zusammenfassung von Datentabellen. Mart ist die Gesamtheit aller Datentabellen für einen fachlich

Mehr

ABACUS/Solvency II. Standardsoftware für das aufsichtsrechtliche Meldewesen nach Solvency II Säule 3. Service Overview ABACUS/Solvency II

ABACUS/Solvency II. Standardsoftware für das aufsichtsrechtliche Meldewesen nach Solvency II Säule 3. Service Overview ABACUS/Solvency II ABACUS/Solvency II Standardsoftware für das aufsichtsrechtliche Meldewesen nach Solvency II Säule 3 Service Overview ABACUS/Solvency II Meldewesen nach Solvency II stellt die Versicherungsbranche sowohl

Mehr

Load Strategy Datenmodell DQ-Check-Methoden DWH-Probleme? Datenqualität aus der Sicht des One-DWH s Franz Hopfenwieser AGENDA 26 PT AGENDA

Load Strategy Datenmodell DQ-Check-Methoden DWH-Probleme? Datenqualität aus der Sicht des One-DWH s Franz Hopfenwieser AGENDA 26 PT AGENDA Datenqualität aus der Sicht des One- s Franz Hopfenwieser 18. Juni 2007 ONE, Franz HOPFENWIESER, 18.6.2007 SEITE 1 AGENDA 26 PT AGENDA DQ wird konstruiert One /MIS Aufgabenteilung OA/ Load Strategy Datenmodell

Mehr

SOLUTION Q_RISKMANAGER 2.0. Das Risikomanagementsystem für den Mittelstand

SOLUTION Q_RISKMANAGER 2.0. Das Risikomanagementsystem für den Mittelstand SOLUTION Q_RISKMANAGER 2.0 Das Risikomanagementsystem für den Mittelstand Q4/2012 Q_Riskmanager als webbasierte Lösung des Risikomanagements unter Solvency II Solvency II stellt Unternehmen vor neue Herausforderungen

Mehr

Oracle BI EE mit großen Datenmengen

Oracle BI EE mit großen Datenmengen Oracle BI EE mit großen Datenmengen Christian Casek Riverland Solutions GmbH München Schlüsselworte: Oracle BI EE, Oracle BI Applications, Informatica, RPD, große Datenmengen, Performance, Performanceoptimierung,

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

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221 Oracle 10g und SQL Server 2005 ein Vergleich Thomas Wächtler 39221 Inhalt 1. Einführung 2. Architektur SQL Server 2005 1. SQLOS 2. Relational Engine 3. Protocol Layer 3. Services 1. Replication 2. Reporting

Mehr

Nachhaltig Investieren 2.0

Nachhaltig Investieren 2.0 Nachhaltig Investieren 2.0 Pierin Menzli, Leiter Nachhaltiges Investment Research Bank J. Safra Sarasin 8. Oktober 2015 12.10.2015 1 Agenda Bank J. Safra Sarasin und Nachhaltigkeit Trends - Nachhaltigkeit

Mehr

Solvency II. Willkommen bei der Skandia! Ausgewählte Aspekte aus der Praxis

Solvency II. Willkommen bei der Skandia! Ausgewählte Aspekte aus der Praxis Solvency II Willkommen bei der Skandia! Ausgewählte Aspekte aus der Praxis 13. Versicherungswissenschaftliches Fachgespräch Berlin, 10. September 2009 Agenda Risikoorganisation Globales Prozessmodell Risikoberichterstattung

Mehr

Integration mit Service Repositories zur SOA Governance

Integration mit Service Repositories zur SOA Governance Integration mit Service Repositories zur SOA Governance Nürnberg, 10.11.2009 I N H A L T 1. SOA Governance 2. Service Repository 3. Modelle und Service Repository 4. Modell-Driven SOA I N H A L T 1. SOA

Mehr

Geschäftsprozesse in mittelständischen Unternehmen

Geschäftsprozesse in mittelständischen Unternehmen 22. März 2012 MODERNES GESCHÄFTSPROZESSMANAGEMENT Geschäftsprozesse in mittelständischen Unternehmen WWW.METASONIC.DE 2004: Gründung der Metasonic AG mit Fokus auf innovative Lösungen für das Geschäftsprozessmanagement,

Mehr

Roundtable. Dashboards und Management Information. Rüdiger Felke / Christian Baumgarten 29.11.2011

Roundtable. Dashboards und Management Information. Rüdiger Felke / Christian Baumgarten 29.11.2011 Roundtable Dashboards und Management Information Rüdiger Felke / Christian Baumgarten 29.11.2011 Agenda Behind the Dashboards Was ist ein Dashboard und was ist es nicht? SAP BusinessObjects Dashboards

Mehr

LIVE DEMONSTRATION SAP BUSINESSOBJECTS DISCLOSURE MANAGEMENT FÜR SOLVENCY II SÄULE 3 REPORTING

LIVE DEMONSTRATION SAP BUSINESSOBJECTS DISCLOSURE MANAGEMENT FÜR SOLVENCY II SÄULE 3 REPORTING LIVE DEMONSTRATION SAP BUSINESSOBJECTS DISCLOSURE MANAGEMENT FÜR SOLVENCY II SÄULE 3 REPORTING SAP-KONGRESS FÜR VERSICHERER MAI 2012 DIE EXPERTEN FÜR BUSINESS INTELLIGECE UND ENTERPRISE PERFORMANCE MANAGEMENT

Mehr

Infor PM 10 auf SAP. Bernhard Rummich Presales Manager PM. 9.30 10.15 Uhr

Infor PM 10 auf SAP. Bernhard Rummich Presales Manager PM. 9.30 10.15 Uhr Infor PM 10 auf SAP 9.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche zu vermeiden. Sie können

Mehr

ORSA. Mag. Sibylle Scaria Grazer Wechselseitige Versicherung AG

ORSA. Mag. Sibylle Scaria Grazer Wechselseitige Versicherung AG ORSA Mag. Sibylle Scaria Grazer Wechselseitige Versicherung AG ORSA The heart of Solvency II (EIOPA) xxx Folie 2 ORSA rechtliche Anforderungen Teil des System of Governance Geregelt in Artikel 45 der Rahmenrichtlinie

Mehr

So erstellen Sie wichtige Berichte mit Microsoft Technologie Tipps für PMO und IT

So erstellen Sie wichtige Berichte mit Microsoft Technologie Tipps für PMO und IT TPG Webinar-Serie 2016 zum PPM Paradise Thema 2.2 So erstellen Sie wichtige Berichte mit Microsoft Technologie Tipps für PMO und IT Mit Peter Huemayer Agenda Welche Berichte machen Sinn? Welche Daten haben

Mehr

Auswirkungen der Cloud auf Ihre Organisation So managen Sie erfolgreich den Weg in die Cloud

Auswirkungen der Cloud auf Ihre Organisation So managen Sie erfolgreich den Weg in die Cloud Die Cloud Auswirkungen der Cloud auf Ihre Organisation So managen Sie erfolgreich den Weg in die Cloud Die Auswirkungen und Aspekte von Cloud-Lösungen verstehen Cloud-Lösungen bieten Unternehmen die Möglichkeit,

Mehr

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher

Mehr

AuDiT-Credit Dynamix. Von der Einzelfallbetrachtung zur Portfoliosteuerung. Wien 2014

AuDiT-Credit Dynamix. Von der Einzelfallbetrachtung zur Portfoliosteuerung. Wien 2014 AuDiT-Credit Dynamix Von der Einzelfallbetrachtung zur Portfoliosteuerung Wien 2014 Zielsetzung des Tools AuDiT Credit Dynamix Bestimmung von inhärenten Kreditrisiken im Portefeuille für Unternehmen und

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

Technische Anforderungen von Solvency II Update 2011

Technische Anforderungen von Solvency II Update 2011 Technische Anforderungen von Update 2011 Von der Standardformel bis zur Meldung Technische Anforderungen von Technische Anforderungen von Datum: Von der Standardformel bis zur Meldung Team: Andreas Penzel

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

Open Source BI. für ein effizientes Controlling mit PALO und SAP. OSBI-Workshop 2011, Karlsruhe, 24. Februar 2011 Ingo.Weishaupt@StandardLife.

Open Source BI. für ein effizientes Controlling mit PALO und SAP. OSBI-Workshop 2011, Karlsruhe, 24. Februar 2011 Ingo.Weishaupt@StandardLife. Open Source BI für ein effizientes Controlling mit PALO und SAP OSBI-Workshop 2011, Karlsruhe, 24. Februar 2011 Ingo.Weishaupt@StandardLife.de Über den Referenten: Ingo Weishaupt, Standard Life www.ingo-weishaupt.de

Mehr

Zeitlich abhängig von OWB?

Zeitlich abhängig von OWB? Zeitlich abhängig von OWB? 24. April 2007 Beat Flühmann Trivadis AG > IT Lösungsanbieter» Application Development, Application Performance Management, Business Communication, Business Intelligence, Managed

Mehr

Der Weg zu einem ganzheitlichen GRC Management

Der Weg zu einem ganzheitlichen GRC Management Der Weg zu einem ganzheitlichen GRC Management RSA Archer GRC Lösungen Dr. Michael Teschner, RSA Deutschland Mai 2014 1 GRC es geht um Prozesse Steuerung, Kontrolle, Transparenz, Reporting Governance Risk

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

Softwarearchitektur als Mittel für Qualitätssicherung und SOA Governance

Softwarearchitektur als Mittel für Qualitätssicherung und SOA Governance Softwarearchitektur als Mittel für Qualitätssicherung und SOA Governance Mag. Georg Buchgeher +43 7236 3343 855 georg.buchgeher@scch.at www.scch.at Das SCCH ist eine Initiative der Das SCCH befindet sich

Mehr

Oracle 10g revolutioniert Business Intelligence & Warehouse

Oracle 10g revolutioniert Business Intelligence & Warehouse 10g revolutioniert Business Intelligence & Warehouse Marcus Bender Strategisch Technische Unterstützung (STU) Hamburg 1-1 BI&W Market Trends DWH werden zu VLDW Weniger Systeme, mehr Daten DWH werden konsolidiert

Mehr

Über SAM consulting 1 SAM CONSULTING 2013

Über SAM consulting 1 SAM CONSULTING 2013 Über SAM consulting SAM CONSULTING ist ein weltweit agierendes Lizenzmanagement-Beratungshaus mit Sitz in Düsseldorf. Wir unterstützen Unternehmen dabei, das Lizenzmanagement umzusetzen, die zugehörigen

Mehr

Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen

Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen Praxistag für die öffentliche Verwaltung 2012 Titel Präsentation Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen Referenten-Info Gerhard Tschantré, Leiter Controllerdienste

Mehr

Die Top 10, die jeder Fondsmanager über Solvency II wissen sollte

Die Top 10, die jeder Fondsmanager über Solvency II wissen sollte Die Top 10, die jeder Fondsmanager über Solvency II wissen sollte Ilka Breuer Pascal di Prima Frankfurt am Main, 13. Februar 2015 Übersicht (1) Solvency II Umdenken für Fondsmanager Auswirkungen auf Investitionsentscheidungen

Mehr

Reduzieren der Komplexität ITIL Lite oder ITIL nach Mass?

Reduzieren der Komplexität ITIL Lite oder ITIL nach Mass? Reduzieren der Komplexität ITIL Lite oder ITIL nach Mass? 8. Swiss Business- & IT-Servicemanagement & Sourcing Forum 2014 Zürich, 25.03.2014 Seite 1 MASTERS Consulting GmbH Konzeptionen umsetzen IT Strategy

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