Sven Bosinger solution architect BI. Data Warehouse Architekturen Der Schlüssel zum Erfolg! DOAG

Größe: px
Ab Seite anzeigen:

Download "Sven Bosinger solution architect BI. Data Warehouse Architekturen Der Schlüssel zum Erfolg! DOAG 16.11.2007 1"

Transkript

1 Sven Bosinger solution architect BI Data Warehouse Architekturen Der Schlüssel zum Erfolg! DOAG

2 Agenda Kurze Vorstellung its-people Architektur als Erfolgsfaktor Verschiedene Architekturansätze Herausforderung Datenqualität Fallbeispiele Fazit DOAG

3 Agenda Kurze Vorstellung its-people Architektur als Erfolgsfaktor Verschiedene Architekturansätze Herausforderung Datenqualität Fallbeispiele Fazit DOAG

4 its-people Experten für IT-Projekte its-people ist ein unternehmerisch organisierter und geführter Verbund von selbständigen und erfahrenen IT-Beratern its-people ist versierter Anbieter von technologienahen Dienstleistungen: Oracle, SAP, BI und IT-Management Services its-people bietet Trainings aus der Praxis für die Praxis -> its-people academy its-people bietet seine Dienstleistungen bundesweit und flächendeckend an und orientiert sich dabei an den Bedürfnissen der Kunden its-people ist in den Wirtschaftsräumen Rhein-Main, Nordrhein- Westfalen, München, Hamburg und Wolfsburg vertreten und umfasst ca. 70 Berater sowie 50 assoziierte Mitglieder DOAG

5 Agenda Kurze Vorstellung its-people Architektur als Erfolgsfaktor Verschiedene Architekturansätze Herausforderung Datenqualität Fallbeispiele Fazit DOAG

6 Architektur als Erfolgsfaktor Ein Data Warehouse hat in der Regel viele Väter Projektbeteiligte Fachbereich: Anwender und Sponsor IT-Abteilung: Konzeption und (Weiter-) Entwicklung Hoster: Controlling: Betrieb Kostenkontrolle Es bestehen Interessenskonflikte DOAG

7 Architektur als Erfolgsfaktor Anforderungen an ein Data Warehouse Fachbereich Korrektheit und Konsistenz der Daten Hohe Verfügbarkeit der Informationen Kurze Latenzzeiten Granularität der Daten Standardisierung der verwendeten Begriffe und Sachverhalte Historisierung der Inhalte Fachbereich DOAG

8 Architektur als Erfolgsfaktor Anforderungen an ein Data Warehouse IT-Abteilung Konsolidierung heterogener Datenquellen Performanz der Ladeprozesse Einfache Erweiter- und Skalierbarkeit IT-Abteilung Fachbereich DOAG

9 Architektur als Erfolgsfaktor Anforderungen an ein Data Warehouse Hoster Reibungslose Integration in die vorhandene Systemlandschaft Bekannte Technologie Standardportfolio Hoster IT-Abteilung Fachbereich DOAG

10 Architektur als Erfolgsfaktor Anforderungen an ein Data Warehouse Controlling Möglichst niedrige Erstellungskosten (Projektkosten) Möglichst niedrige Betriebskosten (Wartung) ROI Controlling Hoster IT-Abteilung Fachbereich DOAG

11 Architektur als Erfolgsfaktor Ein Data Warehouse ist Prozessgetrieben Unterstützung von Geschäftsprozessen Beruht selbst auf Prozessen Datenbewirtschaftung Metadatenmanagement Datenqualitätsmanagement Betrieb Changemanagement Eine gute Architektur muss alle diese Prozesse unterstützen! Extraktion Transformation Workflow Laden DOAG

12 Architektur als Erfolgsfaktor Konsequenzen: Anforderungen sind zum Teil gegenläufig Eine erfolgreiche Architektur muss den unterschiedlichsten Anforderungen Rechnung tragen Die Architektur hat maßgeblichen Einfluss auf: Den Nutzen für den Fachbereich Die Grenzen des Wachstums Die Kosten für Erstellung und Betrieb Die Manageability Die Architekturfrage muss früh entschieden werden! DOAG

13 Agenda Kurze Vorstellung its-people Architektur als Erfolgsfaktor Verschiedene Architekturansätze Herausforderung Datenqualität Fallbeispiele Fazit DOAG

14 Verschiedene Architekturansätze Die (einfache) Reportinglösung Quellsysteme Reporting E1 Einkauf E2 E4 E3 Vertrieb HR SQL-Statements V1 V2 H1 H2 H4 V3 V4 H3 H5 V5 DOAG

15 Verschiedene Architekturansätze Die (einfache) Reportinglösung Vorteile Kurze Latenzzeiten Verfügbarkeit wie im Quellsystem Granularität der Daten Schnelle und kostengünstige Projektrealisierung DOAG

16 Verschiedene Architekturansätze Die (einfache) Reportinglösung Nachteile Korrektheit und Konsistenz der Daten nur auf Berichtsebene Standardisierung findet nur im Bericht statt Historisierung abhängig vom Quellsystem Keine Konsolidierung Performanz abhängig vom Quellsystem Keine Prozesse für Metadaten-, Datenqualitäts- und Changemanagement Komplexe Datenmodelle Gefahr von Report Kaskaden => Hochgradige Redundanz DOAG

17 Verschiedene Architekturansätze Das unabhängige Data Mart Quellsysteme Data Warehouse Reporting Einkauf E1 E2 E4 E3 V1 Vertrieb V2 H1 HR H2 H4 ETL SQL-Statement oder OLAP-DML V3 V4 H3 H5 Data Mart V5 DOAG

18 Verschiedene Architekturansätze Das unabhängige Data Mart Vorteile Korrektheit und Konsistenz der Daten Verfügbarkeit unabhängig vom Quellsystem Granularität auf Berichtswesen abgestimmt Standardisierung gewährleistet Daten können historisiert werden Konsolidierung unterschiedlicher Datenquellen Performante Ladeprozesse Klarer ETL-Prozess Prozesse für Metadaten- und Datenqualitäts- Management DOAG

19 Verschiedene Architekturansätze Das unabhängige Data Mart Nachteile Vergrößerung der Granlarität nicht möglich Latenzzeiten vorhanden, meist 1 Tag Historisierung meist sehr Aufwendig Erweiter- und Skalierbarkeit ist eingeschränkt Changemangement sehr aufwendig Führt häufig zu Data Mart Kaskaden DOAG

20 Verschiedene Architekturansätze Das abhängige Data Mart DOAG

21 Verschiedene Architekturansätze Das abhängige Data Mart Vorteile Korrektheit und Konsistenz der Daten Verfügbarkeit unabhängig vom Quellsystem Granularität kann beliebig eingestellt werden Standardisierung gewährleistet Historisierung im Datenmodell Konsolidierung unterschiedlicher Datenquellen Performante Ladeprozesse Einfache Erweiter- und Skalierbarkeit Klarer ETL-Prozess Prozesse für Metadaten-, Datenqualitäts- und Changemanagement DOAG

22 Verschiedene Architekturansätze Das unabhängige Data Mart Nachteile Latenzzeiten vorhanden, meist 1 Tag Kosten für Realisierung und Betrieb Redundanz der Daten DOAG

23 Verschiedene Architekturansätze Einsatzgebiete Reportinglösung: Systemnahe Auswertungen auf einer Quelle Unabhängiges Data Mart: kleine Informationssysteme für eine einzige Fachabteilung bei geringem Änderungsaufkommen und wenigen Datenquellen Abhängiges Data Mart Enterprise Reporting Lösungen bei fachabteilungsübergreifende Auswertungen und vielen Datenquellen Ein Wechsel zwischen den verschiedene Ansätzen ist nur mit großem Aufwand möglich DOAG

24 Agenda Kurze Vorstellung its-people Architektur als Erfolgsfaktor Verschiedene Architekturansätze Herausforderung Datenqualität Fallbeispiele Fazit DOAG

25 Herausforderung Datenqualität Was ist eigentlich (Daten)qualität: Qualität ist nie absolut, sondern immer subjektiv in einem definierten Kontext Von Qualität spricht man, wenn die gestellten Anforderungen erfüllt werden Um Qualität messen zu können muss ein Qualitätsziel definiert sein Qualität ist, wenn der Kunde wiederkommt und nicht die Ware You cannot control what you cannot measure Tom DeMarco 1982 DOAG

26 Herausforderung Datenqualität Ursachen und Wirkung Ursachen (allgemein) Fehlerhafte Programmierung Fehlende Überprüfungen Falsche/unvollständige Datenerfassung Ursachen (im Data Warehose) Widersprüchliche Datenquellen Latenzprobleme Unzureichende Datenintegration DOAG

27 Herausforderung Datenqualität Problem-Beispiele im Data Warehouse: FK-Verletzung Geistersätze im Auftrags-System Widerspruch Produktnummern und -bezeichnungen stimmen nicht überein Strukturkonflikt Konzerndefinition stimmt im Faktura-System nicht mit der Definition des Vertriebssteuerungs-System überein Latenzkonflikt Auftragsinformationen mit fehlenden oder unzureichenden Kundeninformationen DOAG

28 Herausforderung Datenqualität Sicherstellung durch abhängige Data Marts Qualitätsschranke DOAG

29 Herausforderung Datenqualität Aufgaben des Enterprise Modell Integrationsebene Sicherstellung der Integrität durch ER-Modellierung: Primärschlüssel Fremdschlüssel Constraints Das Enterprise Modell bildet den Qualitätsanspruch ab Daten, die gegen die impliziten Prüfungen verstoßen werden abgelehnt, also nicht geladen Alle Prüfungen finden beim Transport der Daten aus der Staging Area in das Enterprise Modell statt DOAG

30 Agenda Kurze Vorstellung its-people Architektur als Erfolgsfaktor Verschiedene Architekturansätze Herausforderung Datenqualität Fallbeispiele Fazit DOAG

31 Fallbeispiele Probleme durch Reporting Ausgangslage Konzernreporting basierte auf ca. 250 Excel-Berichten, in der Regel eine gewachsene Lösung ca. 50 Excel-Tabellen direkt auf den Quellsystemen, die restlichen bauen auf diesen auf Berechnungen und Formeln werden an unterschiedlichen Stellen verwendet Komplexe Berechnungen erfolgen über Makros Es werden bei neuen Reporting Anforderungen neue Excel- Tabellen angelegt => Das Chaos wächst! DOAG

32 Fallbeispiele Probleme durch Reporting Problematik Bei Änderungen im Quellsystem müssen die 250 Berichte manuell durchgesehen und geändert werden Änderungen sind daher Aufwendig Seiteneffekte sind nicht abschätzbar Migrationsprobleme durch Makros Das KnowHow steckt in den Köpfen und nicht im System (keine Metadaten) DOAG

33 Fallbeispiele Probleme durch Reporting Mögliche Lösung Aufbau einer Reporting Datenbank, in der alle Quellen konsolidiert werden Definition klarer Datenqualitätsziele für den Übergang aus Stage in das Enterprise Modell Definierter Datenbewirtschaftungsprozess Aufbau mehrer fachbereichspezifischer Data Marts Einsatz eines Standard Reporting Werkzeugs, dass auf einem Metadaten-Layer aufsetzt Kapselung der Datenmodelle hinsichtlich der Fachbereichsnutzer DOAG

34 Fallbeispiele Probleme durch unabhängiges Data Mart Ausgangslage Reporting basiert auf 3 unabhängigen Data Marts, die direkt aus einem Quellsystem über eine Staging Area geladen werden Die Rohdaten werden täglich auf Dateisystem Ebene gesichert Daten werden in den Data Marts stark aggregiert Historisierung erfolgt beim zuladen zu den Data Marts Das größte Data Mart hat mittlerweile ca. 500GB Daten DOAG

35 Fallbeispiele Probleme durch unabhängiges Data Mart Problematik Bei Änderungen in den Quellsystemen müssen die Ladeprogramme für jedes Data Mart angepasst werden Wenn neue Kennzahlen berechnet werden sollen, müssen die Data Marts geändert und komplett neu aufgebaut werden Auswertungen über mehrer Data Marts hinweg sind aufwendig und laufzeitintensiv DOAG

36 Fallbeispiele Probleme durch unabhängiges Data Mart Mögliche Lösung Zwischen die Data Marts wird ein Enterprise Modell platziert In diesem wird die Historie erzeugt und die Datenqualität geprüft Änderungen in den Quellsystemen führen nur noch zu Anpassungen in den Ladeprozessen für das Enterprise Model Neue Kennzahlen können aus dem Enterprise Model abgeleitet werden Die Historisierung erfolgt nicht mehr in jedem Data Mart DOAG

37 Agenda Kurze Vorstellung its-people Architektur als Erfolgsfaktor Verschiedene Architekturansätze Herausforderung Datenqualität Fallbeispiele Fazit DOAG

38 Fazit Es gibt nicht die Data Warehouse Architektur Jeder Ansatz hat seine Berechtigung Die Architektur muss auf die Anforderung zugeschnitten sein Der Wechsel zwischen den Architekturansätzen ist aufwendig und teuer Man muss sich frühzeitig Gedanken um die richtige Architektur machen Aus Fehlern (auch anderer) lernen DOAG

39 Vielen Dank! DOAG

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

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

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

SPoT Agenda. Begrüßung und Vorstellung CAS AG. Markttrends aus Analystensicht. Big Data Trusted Information

SPoT Agenda. Begrüßung und Vorstellung CAS AG. Markttrends aus Analystensicht. Big Data Trusted Information SPoT Agenda Begrüßung und Vorstellung CAS AG Markttrends aus Analystensicht Big Data Trusted Information Lars Iffert, BARC GmbH Dr. Oliver Adamczak, IBM Deutschland GmbH Factory Ansatz für ETL-Prozesse

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

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

EXASolution als Bestandteil einer BI / DWH- und Kampagnenmanagementlandschaft Ein Erfahrungsbericht aus der Praxis

EXASolution als Bestandteil einer BI / DWH- und Kampagnenmanagementlandschaft Ein Erfahrungsbericht aus der Praxis EXASolution als Bestandteil einer BI / DWH- und Kampagnenmanagementlandschaft Ein Erfahrungsbericht aus der Praxis Business Apéro Exasol / SHS VIVEON, Zürich Zürich, 15. November 2011 Dr. Jörg Westermayer

Mehr

erfolgreich steuern Datenqualität rä dpunkt.verlag Ldwi Praxislösungen für Business-Intelligence-Projekte Rüdiger Eberlein Edition TDWI

erfolgreich steuern Datenqualität rä dpunkt.verlag Ldwi Praxislösungen für Business-Intelligence-Projekte Rüdiger Eberlein Edition TDWI Detlef Apel Wolfgang Behme Rüdiger Eberlein Christian Merighi Datenqualität erfolgreich steuern Praxislösungen für Business-Intelligence-Projekte 3., überarbeitete und erweiterte Auflage Edition TDWI rä

Mehr

Data Warehouse Grundlagen

Data Warehouse Grundlagen Seminarunterlage Version: 2.10 Version 2.10 vom 24. Juli 2015 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen

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

Datenqualität erfolgreich steuern

Datenqualität erfolgreich steuern Edition TDWI Datenqualität erfolgreich steuern Praxislösungen für Business-Intelligence-Projekte von Detlef Apel, Wolfgang Behme, Rüdiger Eberlein, Christian Merighi 3., überarbeitete und erweiterte Auflage

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

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

good. better. outperform.

good. better. outperform. good. better. outperform. Analytic mit Oracle BI relational oder besser multidimensional? 8. Oracle BI & DWH Konferenz, 20.03.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence

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

Datenqualitätsanalyse ganz einfach auf Basis moderner Werkzeuge zur Unternehmensanalyse

Datenqualitätsanalyse ganz einfach auf Basis moderner Werkzeuge zur Unternehmensanalyse Datenqualitätsanalyse ganz einfach auf Basis moderner Werkzeuge zur Unternehmensanalyse DGIQ-Roadshow, 1.-3. März 2011 Jan Hüfner, Geschäftsführer TIQ Solutions GmbH 2011 TIQ Solutions GmbH All Rights

Mehr

Welche Daten gehören ins Data Warehouse?

Welche Daten gehören ins Data Warehouse? Welche Daten gehören ins Warehouse? Dani Schnider Principal Consultant 9. Januar 2012 In vielen DWH-Projekten stellt sich die Frage, welche Daten im Warehouse gespeichert werden sollen und wie dieser Datenumfang

Mehr

Vertriebssteuerung & Controlling Konkrete Vertriebsziele, passend zur Unternehmensstrategie

Vertriebssteuerung & Controlling Konkrete Vertriebsziele, passend zur Unternehmensstrategie Konkrete Vertriebsziele, passend zur Unternehmensstrategie Wir ermöglichen Ihnen mit dem Service Vertriebssteuerung die erfolgreiche Umsetzung Ihrer Unternehmensstrategie in operativ umsetzbare Vertriebsziele.

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

mit der neuen Microsoft BI-Plattform

mit der neuen Microsoft BI-Plattform Der Weg von manuellen Berichten zum modernen BI-System PSG Projekt Service GmbH The SQL Server Company, Hamburg Jan Streblow, Lead Consultant Public Sector Sascha Lorenz, Lead Consultant SQL Server Technology

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

Business Intelligence

Business Intelligence Business Intelligence Anwendungssysteme (BIAS) Lösung Aufgabe 1 Übung WS 2012/13 Business Intelligence Erläutern Sie den Begriff Business Intelligence. Gehen Sie bei der Definition von Business Intelligence

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

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

Raber+Märcker Business Intelligence Lösungen und Leistungen

Raber+Märcker Business Intelligence Lösungen und Leistungen Business Intelligence Raber+Märcker Business Intelligence Lösungen und Leistungen www.raber-maercker.de 2 LEISTUNGEN Business Intelligence Beratungsleistung Die Raber+Märcker Business Intelligence Beratungsleistung

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

Brennpunkt Datenqualität

Brennpunkt Datenqualität Business t Brennpunkt Datenqualität Konzeption eines Datenqualitätsmanagements für ETL-Prozesse Seit Jahren genießt das Thema Datenqualität in IT-Abteilungen sowie auf Managementebene steigende Aufmerksamkeit.

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

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

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

Fördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH. Software mit Format. Fördercontrolling im öffentlichen Bereich Aspekte beim Aufbau eines DWH Gerd Schandert, Neuss den 18.03.2014 Agenda 1. Vorstellung Auftraggeber 2. Förderung allgemein 3. Schichten im Data Warehouse 4.

Mehr

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

Analyse und Reporting in einem Zeitschriftenverlag

Analyse und Reporting in einem Zeitschriftenverlag Oracle BI im Einsatz Analyse und Reporting in einem Zeitschriftenverlag Claus Jordan Consultant Claus.Jordan@trivadis.com +49 (0) 162-295 96 43 Düsseldorf, 12. März 2009 Basel Baden Bern Brugg Lausanne

Mehr

Best Practice: Dezentraler Datenanlieferungsprozess im Enterprise Data Warehouse

Best Practice: Dezentraler Datenanlieferungsprozess im Enterprise Data Warehouse Best Practice: Dezentraler Datenanlieferungsprozess im Enterprise Data Warehouse 07. Juli 2011 DSAG AG Enterprise-BW Klaus Schneider, Celesio AG Marcel Salein, FIVE1 GmbH & Co. KG 1 March 2011, CCEA Agenda

Mehr

Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung

Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung Datei: Asklepius DA Flyer_Leistung_2 Seite: 1 von:5 1 Umfassende Datenanalyse Mit Asklepius-DA

Mehr

Rolle des Stammdatenmanagements in einer SOA

Rolle des Stammdatenmanagements in einer SOA Rolle des Stammdatenmanagements in einer SOA Forum Stammdatenmanagement, November 2006 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business

Mehr

Wie aus Steuerungsinformation öffentliche Statistik wird

Wie aus Steuerungsinformation öffentliche Statistik wird Wie aus Steuerungsinformation öffentliche Statistik wird Schweizer Statistiktage Vaduz, 19. - 21. September 2012 Lukas Calmbach, Statistisches Amt des Kantons Basel-Landschaft Statistisches Amt des Kantons

Mehr

Business Intelligence Data Warehouse. Jan Weinschenker

Business Intelligence Data Warehouse. Jan Weinschenker Business Intelligence Data Warehouse Jan Weinschenker 28.06.2005 Inhaltsverzeichnis Einleitung eines Data Warehouse Data Warehouse im Zusammenfassung Fragen 3 Einleitung Definition: Data Warehouse A data

Mehr

BI ist tot, lang lebe BI!

BI ist tot, lang lebe BI! BI ist tot, lang lebe BI! SAP HANA Live vs. SAP BW powered by HANA Glaubt man der ein oder anderen aus Walldorf stammenden Marketingfolie, so sind die Tage von herkömmlichen Business Intelligence Systemen

Mehr

Themenblock: Erstellung eines Cube

Themenblock: Erstellung eines Cube Themenblock: Erstellung eines Cube Praktikum: Data Warehousing und Data Mining Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Idee Speicherung der Daten in Form von Tabellen

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

Data Warehousing in der Lehre

Data Warehousing in der Lehre Data Warehousing in der Lehre Prof. Dr.-Ing. Tomas Benz Dipl.-Inform. Med. Alexander Roth Agenda Vorstellung Fachhochschule Heilbronn Vorstellung i3g Vorlesungen im DWH-Bereich Seminare Projekte Studien-

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

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch Markus Ruf, Geschäftsführer mip GmbH Jens Kretzschmar, Senior

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

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57 1... Einleitung... 15 1.1... Zielgruppen dieses Buches... 17 1.2... Aufbau des Buches... 18 1.3... Hinweise zur Benutzung des Buches... 21 1.4... Danksagung... 23 2... Grundlagen der Datenmodellierung...

Mehr

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

Advanced Monitoring von ETL-Prozessen. Sven Bosinger its-people Sven Bosinger its-people 1 Sven Bosinger Solution Architect BI u. Portfoliomanagement BI its-people Hochtaunus GmbH sven.bosinger@its-people.de www.its-people.de 2 Das Team Unternehmensphilosophie Gemeinschaft

Mehr

Die Datenhoheit kehrt ins Controlling zurück

Die Datenhoheit kehrt ins Controlling zurück Die Datenhoheit kehrt ins Controlling zurück Dennis Giese, Forensis Finance & Controlling AG Das webbasierte Oracle Hyperion Financial Data Quality Management Enterprise Edition (FDM EE) orientiert sich

Mehr

BI WIKI START-UP YOUR DWH PARTIZIPATIVE BI IM ZEITALTER VON BIG DATA

BI WIKI START-UP YOUR DWH PARTIZIPATIVE BI IM ZEITALTER VON BIG DATA BI WIKI START-UP YOUR DWH PARTIZIPATIVE BI IM ZEITALTER VON BIG DATA Agenda VORSTELLUNG B.TELLIGENT WIE ENTSTEHT EINE KENNZAHL? WAS SIND METADATEN? AUFBAU UND FUNKTIONSWEISE DES BI WIKI LIVE DEMO ZUSAMMENFASSUNG

Mehr

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

1001 Möglichkeiten eine Staging Area zu füllen. Sven Bosinger its-people GmbH Ausgangslage Szenarien Populate the Stage - 1001 Möglichkeiten eine Staging Area zu füllen Sven Bosinger its-people GmbH 1 Sven Bosinger Solution Architect BI und Portfoliomanagement BI its-people GmbH

Mehr

Unternehmensweites DQ Controlling auf Basis von BI-Werkzeugen. Doreen Hartung, TIQ Solutions GmbH 6. GIQMC, Bad Soden, 26.-28.

Unternehmensweites DQ Controlling auf Basis von BI-Werkzeugen. Doreen Hartung, TIQ Solutions GmbH 6. GIQMC, Bad Soden, 26.-28. Unternehmensweites DQ Controlling auf Basis von BI-Werkzeugen Doreen Hartung, TIQ Solutions GmbH 6. GIQMC, Bad Soden, 26.-28. November 2008 2007 TIQ Solutions GmbH All Rights Reserved. GIQMC Bad Soden,

Mehr

Solution for Business Intelligence. MID Insight 2013

Solution for Business Intelligence. MID Insight 2013 Solution for Business Intelligence MID Insight 2013 A G E N D A 1. Solution für Business Intelligence (BI) 2. Die Gründe und Hintergründe 3. Die Methode 4. Vorteile MID GmbH 2013 2 Solution für Business

Mehr

Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise

Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise Der sd&m-ansatz für serviceorientierte Architektur Quasar Enterprise A Company of Prof. Dr. Bernhard Humm OOP 2006 sd&m Developer Day München, 18. Januar 2006 sd&m AG, 18.1.2006, Seite 1 Anwendungslandschaften

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

Business Intelligence SAP Anwenderbefragung

Business Intelligence SAP Anwenderbefragung Business Intelligence SAP Anwenderbefragung Status Quo und zukünftige Anforderungen in Kooperation mit dem AK BW Prof. Dr. Andreas Seufert (I-BI) Prof. Dr. Thomas Becker (I-BI) Prof. Dr. Peter Lehmann

Mehr

INVEST projects. Besseres Investitionscontrolling mit INVESTprojects

INVEST projects. Besseres Investitionscontrolling mit INVESTprojects Besseres Investitionscontrolling mit Der Investitionsprozess Singuläres Projekt Idee, Planung Bewertung Genehmigung Realisierung Kontrolle 0 Zeit Monate, Jahre Perioden Der Investitionsprozess Singuläres

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

DW2004. XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science. 3. November 2004. Dr. Michael Hahne, cundus AG

DW2004. XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science. 3. November 2004. Dr. Michael Hahne, cundus AG DW2004 XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science Dr. Michael Hahne, cundus AG 3. November 2004 cundus AG 2004 Gliederung Motivation SAP Business Information Warehouse

Mehr

Qualifikationsprofil:

Qualifikationsprofil: Qualifikationsprofil: STEG Jahrgang 1974 Nationalität Deutsch Fremdsprachen Englisch Ausbildung Datenverarbeitungskaufmann Technische Kenntnisse: D B S C R u b a n G m b H D - 7 1 0 3 4 B ö b l i n g e

Mehr

Die Rolle von Stammdaten-Management in einer SOA

Die Rolle von Stammdaten-Management in einer SOA Die Rolle von Stammdaten-Management in einer SOA Frankfurt, Sept. 2007 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business Intelligence Rolle

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

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

Internationaler Controller Verein. Gründungssitzung der Projektgruppe Business Intelligence Stuttgart, 26.01.2006

Internationaler Controller Verein. Gründungssitzung der Projektgruppe Business Intelligence Stuttgart, 26.01.2006 Internationaler Controller Verein Gründungssitzung der Projektgruppe Business Intelligence Stuttgart, 26.01.2006 Agenda 10.00 Begrüßung 10.00 Rolle des Controllers im Umfeld Business Intelligence (A. Seufert)

Mehr

it-novum Referenzbericht Reportingplattform mit Pentaho

it-novum Referenzbericht Reportingplattform mit Pentaho it-novum Referenzbericht Reportingplattform mit Pentaho setzt beim Reporting und Controlling auf Lösungen von Success Story Zentrale Controlling- und Reportingplattform für BOS-Gruppe Die BOS-Gruppe BOS

Mehr

SAP BW: Erfahrungen in Projekt und Produktion. www.dv-ratio.com DV-RATIO Nord GmbH, Jan-Oliver Meister, 01/2002 Folie: 1

SAP BW: Erfahrungen in Projekt und Produktion. www.dv-ratio.com DV-RATIO Nord GmbH, Jan-Oliver Meister, 01/2002 Folie: 1 SAP BW: Erfahrungen in Projekt und Produktion www.dv-ratio.com DV-RATIO Nord GmbH, Jan-Oliver Meister, 01/2002 Folie: 1 Das Unternehmen DV-RATIO im Profil Qualität und Innovation seit 20 Jahren Beratungsteam

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

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

Financial Business Intelligence

Financial Business Intelligence Financial Business Intelligence Vorsprung durch Wissen Technologie und Fachlichkeit aus einer Hand Menschen beraten, Ideen realisieren. Daten sammeln, Wissen generieren, Strategien entwickeln und mit innovativen

Mehr

FRT Consulting GmbH. Projekt KATEGO Komfortable SAP-Datenanalyse. Gustav Sperat FRT Consulting GmbH. www.frt.at. Wir machen aus Daten Wissen.

FRT Consulting GmbH. Projekt KATEGO Komfortable SAP-Datenanalyse. Gustav Sperat FRT Consulting GmbH. www.frt.at. Wir machen aus Daten Wissen. FRT Consulting GmbH Projekt KATEGO Komfortable SAP-Datenanalyse Gustav Sperat FRT Consulting GmbH 1 FRT Consulting das Unternehmen Spin off der TU Graz von langjährigen IT Experten Hauptsitz Graz, Büro

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

MHP BI Optimization Solution Ihre Lösung für einen maximalen Return on Investment Ihrer SAP BW Systemlandschaft!

MHP BI Optimization Solution Ihre Lösung für einen maximalen Return on Investment Ihrer SAP BW Systemlandschaft! MHP BI Optimization Solution Ihre Lösung für einen maximalen Return on Investment Ihrer SAP BW Systemlandschaft! Business Solutions 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung

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

Workshop 2: Technologie Logistics Intelligence mit ProStore TEAM-Logistikforum 25. November 2008 Gisela Potthoff Stephan La Rocca Frank Zscherlich Intralogistik Wareneingang Staplerleitsystem Lagerverwaltung

Mehr

Oracle BI Publisher in der Oracle Business Intelligence Enterprise Edition Plus. Eine Mehrwertdiskussion

Oracle BI Publisher in der Oracle Business Intelligence Enterprise Edition Plus. Eine Mehrwertdiskussion Oracle BI Publisher in der Oracle Business Intelligence Enterprise Edition Plus Eine Mehrwertdiskussion Der Oracle BI Publisher als Teil der Oracle BI Suite versus Oracle BI Publisher Standalone Der Oracle

Mehr

Datenintegration mit Informatica PowerCenter

Datenintegration mit Informatica PowerCenter Datenintegration mit Informatica PowerCenter Mein Weg vom Studenten zum Consultant Christoph Arnold 03.07.2013 1 Agenda Von der THM zu Infomotion Datenschieberei oder doch mehr? Die weite Welt von Informatica

Mehr

Vergleich von Open-Source und kommerziellen Programmen zur Durchführung eines ETL-Prozesses

Vergleich von Open-Source und kommerziellen Programmen zur Durchführung eines ETL-Prozesses Vergleich von Open-Source und kommerziellen Programmen zur Durchführung eines ETL-Prozesses Exposé zur Diplomarbeit Humboldt-Universität zu Berlin Mathematisch-Naturwissenschaftliche Fakultät II Institut

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

Kapitel 2 Terminologie und Definition

Kapitel 2 Terminologie und Definition Kapitel 2 Terminologie und Definition In zahlreichen Publikationen und Fachzeitschriften tauchen die Begriffe Data Warehouse, Data Warehousing, Data-Warehouse-System, Metadaten, Dimension, multidimensionale

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

Softwaretool Data Delivery Designer

Softwaretool Data Delivery Designer Softwaretool Data Delivery Designer 1. Einführung 1.1 Ausgangslage In Unternehmen existieren verschiedene und häufig sehr heterogene Informationssysteme die durch unterschiedliche Softwarelösungen verwaltet

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

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

FHH meets economy. Tobias Klug Dipl.-Wirt.-Inf. (FH), Alumnus FH Hannover. Hannover, 21. Januar 2010. 21. Januar 2010 bit GmbH

FHH meets economy. Tobias Klug Dipl.-Wirt.-Inf. (FH), Alumnus FH Hannover. Hannover, 21. Januar 2010. 21. Januar 2010 bit GmbH FHH meets economy BI Projektmanagement bei QlikView Projekten Tobias Klug Dipl.-Wirt.-Inf. (FH), Alumnus FH Hannover Hannover, 21. Januar 2010 21. Januar 2010 Agenda Über die bit GmbH Über QlikTech und

Mehr

Nach Data Warehousing kommt Business Intelligence

Nach Data Warehousing kommt Business Intelligence Nach Data Warehousing kommt Business Intelligence Andrea Kennel Trivadis AG Glattbrugg, Schweiz Schlüsselworte: Business Intelligence, Data Warehouse Zusammenfassung Data Warehouse bedeutet, dass operative

Mehr

Data-Vault-Automation aus dem Datenmodellierungstool. 1. Tagung der DDVUG am 24.Juni2014

Data-Vault-Automation aus dem Datenmodellierungstool. 1. Tagung der DDVUG am 24.Juni2014 Data-Vault-Automation aus dem Datenmodellierungstool 1. Tagung der DDVUG am 24.Juni2014 A G E N D A 1. MID & Innovator 2. Modell & Methode 3. Architektur & Automatisierung 4. Nutzen & Veränderung MID GmbH

Mehr

CENIT BW Connection heben Sie Ihre Datenschätze!

CENIT BW Connection heben Sie Ihre Datenschätze! CENIT EIM Innovations-Tag, 09. Juni 2015 Empower Your Digital Business! CENIT BW Connection heben Sie Ihre Datenschätze! Dirk Zayko Direktor Business Intelligence Ratingen Agenda 1. Bedeutung von Daten

Mehr

Hohe Anpassungsfähigkeit der Entscheidungsunterstützung in Versicherungen trotz regulatorischer Anforderungen

Hohe Anpassungsfähigkeit der Entscheidungsunterstützung in Versicherungen trotz regulatorischer Anforderungen Hohe Anpassungsfähigkeit der Entscheidungsunterstützung in Versicherungen trotz regulatorischer Anforderungen Dr. Sebastian Olbrich Markus Weber Oliver Schwenteck Einleitung / Motivation Spannungsfeld

Mehr

Business Intelligence im Krankenhaus

Business Intelligence im Krankenhaus Business Intelligence im Krankenhaus Dr. Thomas Lux Holger Raphael IT-Trends in der Medizin 03.September 2008 Essen Gliederung Herausforderungen für das Management im Krankenhaus Business Intelligence

Mehr

Einführung EMAS an der HS Esslingen mit GLT Unterstützung

Einführung EMAS an der HS Esslingen mit GLT Unterstützung Einführung EMAS an der HS Esslingen mit GLT Unterstützung Dipl.-Oec. Anja Kordowich (Umweltmanagerin HS Esslingen) M.Sc. Jörg Seitter (Softwareingenieur STZ GAB) 11.10.2012 Steinbeis Transferzentrum Gebäudeanalyse

Mehr

Planung und Effizienz durch optimale Datenqualität sicherstellen Frankfurt, März 2013

Planung und Effizienz durch optimale Datenqualität sicherstellen Frankfurt, März 2013 Planung und Effizienz durch optimale Datenqualität sicherstellen Frankfurt, März 2013 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Immer wieder: Datenqualität Begann es 1805?

Mehr

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Andreas Ditze MID GmbH Kressengartenstraße 10 90402 Nürnberg a.ditze@mid.de Abstract: Data Lineage

Mehr

Ihr + Beratungs-, Entwicklungs- und Integrationsdienstleistungen der Finanz Informatik Solutions Plus. FISP-Unternehmenspräsentation 1

Ihr + Beratungs-, Entwicklungs- und Integrationsdienstleistungen der Finanz Informatik Solutions Plus. FISP-Unternehmenspräsentation 1 Ihr + Beratungs-, Entwicklungs- und Integrationsdienstleistungen der Finanz Informatik Solutions Plus FISP-Unternehmenspräsentation 1 INHALT + Daten und Fakten + Unsere Kernmärkte + Das zeichnet uns aus

Mehr

Marketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch

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

Mehr

DWH Lösung im Handel auf Basis einer Oracle DB mit open source BI Komponenten

DWH Lösung im Handel auf Basis einer Oracle DB mit open source BI Komponenten Version 1.1 INFORMATIONSSYSTEME DWH Lösung im Handel auf Basis einer Oracle DB mit open source BI Komponenten Thorsten Stiller Marcel Mrowetz Ressort Informationssysteme Business Intelligence Customer

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

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

Business Intelligence

Business Intelligence Business Intelligence TOP Priorität für CIOs? Köln 08. Mai 2007 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business Intelligence BI TOP Priorität

Mehr

Erfolgreiches strategisches Informa2onsmanagement Chancen & Risiken mit SAP und Business Objects rechtzei2g erkennen und managen

Erfolgreiches strategisches Informa2onsmanagement Chancen & Risiken mit SAP und Business Objects rechtzei2g erkennen und managen CubeServ Services für ein erfolgreiches strategisches Informa8onsmanagement Erfolgreiches strategisches Informa2onsmanagement Chancen & Risiken mit SAP und Business Objects rechtzei2g erkennen und managen

Mehr

Geschäftsprozessmodellierung und implementierung am Beispiel SAP ERP

Geschäftsprozessmodellierung und implementierung am Beispiel SAP ERP Geschäftsprozessmodellierung und implementierung am Beispiel SAP ERP V04 02. Mai 2011, 16.15-17.45 Uhr, ITS-Pool nur zugelassene Teilnehmer Niedersächsisches Hochschulkompetenzzentrum für SAP (CCC) Aktuelles

Mehr

1 Einführung 1 1.1 SAP Business Information Warehouse... 3. 1.1.1 BW Version 3.0...5. Architekturplanung... 9

1 Einführung 1 1.1 SAP Business Information Warehouse... 3. 1.1.1 BW Version 3.0...5. Architekturplanung... 9 vii 1 Einführung 1 1.1 SAP Business Information Warehouse... 3 1.1.1 BW Version 3.0...5 Architekturplanung.................................... 9 2 BW-Basissystem 11 2.1 Client/Server-Architektur... 12

Mehr