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

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

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

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

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

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

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

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

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

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

Innovative Ansätze der toolbasierten Budgetierung bei der Universität Wien. Alexander Hammer / Norbert Schlager-Weidinger

Innovative Ansätze der toolbasierten Budgetierung bei der Universität Wien. Alexander Hammer / Norbert Schlager-Weidinger Innovative Ansätze der toolbasierten Budgetierung bei der Universität Wien Alexander Hammer / Norbert Schlager-Weidinger Agenda Vorstellung Projektpartner Das Projekt Q_SIM Bedeutung Hintergründe Ziele

Mehr

Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar. 24. September 2009

Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar. 24. September 2009 Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar 24. September 2009 Unternehmensdarstellung Burda Digital Systems ist eine eigenständige und

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

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

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

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

Modellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009

Modellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009 Modellbasierte Business Intelligence in der Praxis Nürnberg, 10.11.2009 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Inhalte von Datenmodellen für BI 3. Inhalte von Prozessmodellen 4.

Mehr

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

BI - Der strategische Erfolgsfaktor im Unternehmen

BI - Der strategische Erfolgsfaktor im Unternehmen BI - Der strategische Erfolgsfaktor im Unternehmen Kunde: Universität Oldenburg, Department für Informatik Ort: Oldenburg, 26.09.2008 Referent: Dirk Vahlkamp Gedruckt: 28.09.2008, [Version 0.1] 2007-2008

Mehr

ITGAIN Fach- und Technikspezialist

ITGAIN Fach- und Technikspezialist ITGAIN Fach- und Technikspezialist KOMPETENZ GEWINNBRINGEND EINSETZEN. Copyright 2012 ITGAIN GmbH 1 SPoT Wir bringen Ihre Informationen auf den Punkt. Hamburg, 07.05.2012 FACTORY-ANSATZ FÜR ETL-PROZESSE

Mehr

Zeitgemäße Verfahren für ganzheitliche Auswertungen

Zeitgemäße Verfahren für ganzheitliche Auswertungen Intelligente Vernetzung von Unternehmensbereichen Zeitgemäße Verfahren für ganzheitliche Auswertungen Sächsische Industrie- und Technologiemesse Chemnitz, 27. Juni 2012, Markus Blum 2012 TIQ Solutions

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

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

Vollständig generisches DWH für kleine und mittelständische Unternehmen

Vollständig generisches DWH für kleine und mittelständische Unternehmen Vollständig generisches DWH für kleine und mittelständische Unternehmen Marc Werner Freiberufler Berlin Schlüsselworte: Wirtschaftlichkeit, Kostenreduzierung, Metadaten, Core Data Warehouse, Slowly Changing

Mehr

Business Intelligence-Projekte mit SAP BO - Best Practices für den Mittelstand

Business Intelligence-Projekte mit SAP BO - Best Practices für den Mittelstand Business Intelligence-Projekte mit SAP BO - Best Practices für den Mittelstand Name: Michael Welle Funktion/Bereich: Manager Business Intelligence Organisation: Windhoff Software Services Liebe Leserinnen

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

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

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

Dimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis

Dimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis Dimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis DOAG Konferenz 2010 Claus Jordan Senior Consultant, Trivadis GmbH 16.11.2010 Basel Bern Lausanne Zürich Düsseldorf

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

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

Ideen, Methoden, Werkzeuge

Ideen, Methoden, Werkzeuge Ideen, Methoden, Werkzeuge das IVM BHG Reform Framework Mag. Norbert Schlager-Weidinger Mag. Christian Mayr Mag. Markus Mitterer IVM Institut für Verwaltungsmanagement GmbH Name Herausforderungen der BHG

Mehr

BUSINESS INTELLIGENCE IM MITTELSTAND EIN PRAXISBERICHT

BUSINESS INTELLIGENCE IM MITTELSTAND EIN PRAXISBERICHT BUSINESS INTELLIGENCE IM MITTELSTAND EIN PRAXISBERICHT Meik Truschkowski Architekt für Business Intelligence und Data Warehousing nobilia-werke J. Stickling GmbH & Co. KG Verl, den 31. Oktober 2011 UNTERNEHMENSPROFIL

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

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

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

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

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

Von der spezialisierten Eigenentwicklung zum universellen Analysetool. Das Controlling-Informationssystem der WestLB Systems

Von der spezialisierten Eigenentwicklung zum universellen Analysetool. Das Controlling-Informationssystem der WestLB Systems Von der spezialisierten Eigenentwicklung zum universellen Analysetool Das Controlling-Informationssystem der WestLB Systems Begriffe und Definitionen Data Warehouse - Datensammlung oder Konzept?! Data

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

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

Projekt KPI System für die BS ENERGY. SAP Versorgertage Münster 12.11.2015 Bastian Schäfer & Florian Schlüfter

Projekt KPI System für die BS ENERGY. SAP Versorgertage Münster 12.11.2015 Bastian Schäfer & Florian Schlüfter Projekt KPI System für die BS ENERGY SAP Versorgertage Münster 12.11.2015 Bastian Schäfer & Florian Schlüfter Agenda Wozu ein KPI Dashboard? KPI Projekt bei BS ENERGY Projektziel Umsetzungsvorgehen Umsetzungsergebnisse

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

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

Vorteile einer standardisierten DV-orientierten BI-Architektur hinsichtlich Modellierung, Bewirtschaftung und Betrieb. Thomas Mattick, BBF GmbH

Vorteile einer standardisierten DV-orientierten BI-Architektur hinsichtlich Modellierung, Bewirtschaftung und Betrieb. Thomas Mattick, BBF GmbH Vorteile einer standardisierten DV-orientierten BI-Architektur hinsichtlich Modellierung, Bewirtschaftung und Betrieb Thomas Mattick, BBF GmbH Vorstellung Thomas Mattick Projektauszug (BI) Auftragsabwicklung/Leistungsbewertung

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

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

1 Ihre BI-Galaxie von BITMARCK!

1 Ihre BI-Galaxie von BITMARCK! 1 Ihre BI-Galaxie von BITMARCK! Die Summe aller Sterne ist die Galaxie Ihre BI-Galaxie von BITMARCK! Michael Heutmann, Peter Hernold, Markus Jankowski Neuss, 4. November 2013 Sie haben uns mit auf den

Mehr

Intelligence (BI): Von der. Nürnberg, 29. November 2011

Intelligence (BI): Von der. Nürnberg, 29. November 2011 Modelle für Business Intelligence (BI): Von der Anforderung zum Würfel Nürnberg, 29. November 2011 Warum Modelle für Business Intelligence (BI)? Warum Modelle für Business Intelligence (BI)? Bis zur Auswertung

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

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

Data Warehouse in der Telekommunikation

Data Warehouse in der Telekommunikation Data Warehouse in der Telekommunikation Hans-Friedrich Pfeiffer Talkline GmbH & Co.KG Elmshorn, 11.06.2007 Übersicht Historie Struktureller Aufbau des Dara Warehouse Anforderungen an das Data Warehouse

Mehr

Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung

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

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

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

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

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

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

BI around the world - Globale Reporting Lösungen bei Continental Automotive

BI around the world - Globale Reporting Lösungen bei Continental Automotive BI around the world - Globale Reporting Lösungen bei Continental Automotive Stefan Hess Trivadis GmbH Stuttgart Herbert Muckenfuss Continental Nürnberg Schlüsselworte: Oracle BI EE, Business Intelligence,

Mehr

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

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

Data Vault. Modellierungsmethode für agile Data Warehouse Systeme. Dr. Bodo Hüsemann Informationsfabrik GmbH. DOAG BI, München, 17.04.

Data Vault. Modellierungsmethode für agile Data Warehouse Systeme. Dr. Bodo Hüsemann Informationsfabrik GmbH. DOAG BI, München, 17.04. Data Vault Modellierungsmethode für agile Data Warehouse Systeme Dr. Bodo Hüsemann Informationsfabrik GmbH DOAG BI, München, 17.04.2013 Die Informationsfabrik Die Informationsfabrik macht erfolgreiche

Mehr

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

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

Mehr

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

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

Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015

Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015 Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015 BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENEVA HAMBURG COPENHAGEN LAUSANNE MUNICH STUTTGART

Mehr

xiii Inhaltsverzeichnis 1 Einführung 1

xiii Inhaltsverzeichnis 1 Einführung 1 xiii 1 Einführung 1 1.1 Gründe für eine BI-Strategie und ein BICC..................... 1 1.1.1 Systemvielfalt und Konsolidierungsbedarf.............. 2 1.1.2 Taktisches Vorgehen..............................

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

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

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

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

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

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

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

Performance by Design Wie werden performante ETL-Prozesse erstellt?

Performance by Design Wie werden performante ETL-Prozesse erstellt? Performance by Design Wie werden performante ETL-Prozesse erstellt? Reinhard Mense ARETO Consulting Bergisch Gladbach Schlüsselworte: DWH, Data Warehouse, ETL-Prozesse, Performance, Laufzeiten, Partitionierung,

Mehr

Best Practices im Business-Reporting: So kombiniert man Hyperion Intelligence mit dem OWB. Referent: Jens Wiesner, Systemberater, MT AG

Best Practices im Business-Reporting: So kombiniert man Hyperion Intelligence mit dem OWB. Referent: Jens Wiesner, Systemberater, MT AG Best Practices im Business-Reporting: So kombiniert man Hyperion Intelligence mit dem OWB Referent: Jens Wiesner, Systemberater, MT AG MT AG managing technology Key-facts: 1994: Gründung als MT Software

Mehr

Formatierte Berichte Excel-Dateien mittels PL/SQL erzeugen. Robert Marz its-people

Formatierte Berichte Excel-Dateien mittels PL/SQL erzeugen. Robert Marz its-people Formatierte Berichte Excel-Dateien mittels PL/SQL erzeugen Robert Marz its-people 1 Robert Marz Technical Architect Portfoliomanagement Datenbanken its-people Hochtaunus GmbH robert.marz@its-people.de

Mehr

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

Einführung des Seneca Controllings bei der eventa AG, Seeshaupt. Copyright Seneca Business Software GmbH

Einführung des Seneca Controllings bei der eventa AG, Seeshaupt. Copyright Seneca Business Software GmbH Einführung des Seneca Controllings bei der eventa AG, Seeshaupt eventa AG - Basisinformationen Die eventa AG entwickelt und finanziert Unternehmen der Technologieund Dienstleistungsbranche eventa AG steht

Mehr

ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is.

ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is. ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is.de insight und dynasight sind eingetragene Markenzeichen der

Mehr

IDV Assessment- und Migration Factory für Banken und Versicherungen

IDV Assessment- und Migration Factory für Banken und Versicherungen IDV Assessment- und Migration Factory für Banken und Versicherungen Erfassung, Analyse und Migration von Excel- und AccessAnwendungen als User-Selfservice. Sind Ihre Excel- und Access- Anwendungen ein

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

Aufbau von Informations- management- Systemen

Aufbau von Informations- management- Systemen Aufbau von Informations- management- Systemen Agenda 1. Das deutsche Krankenhauswesen im Umbruch 2. Einführung eines Informationsmanagement-Systems im Krankenhaus 3. Projektvorgehensweise am Beispiel von

Mehr

Kampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht

Kampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht Kampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht Thomas Kreuzer ec4u expert consulting ag Karlsruhe Schlüsselworte: Kampagnenmanagement Praxisbericht Siebel Marketing Oracle BI - ec4u

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

Ist Qualität nachrüstbar? Testen, Dokumentation und Code Qualität von Anfang an

Ist Qualität nachrüstbar? Testen, Dokumentation und Code Qualität von Anfang an Ist Qualität nachrüstbar? Testen, Dokumentation und Code Qualität von Anfang an Was ist Qualität? Definition laut EN ISO 9000:2005 Qualität wird definiert als "Grad, in dem ein Satz inhärenter Merkmale

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

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

Erfolgsfaktor Datenqualität - Verfahren und Tools zur Qualitätssicherung der Produktdaten-

Erfolgsfaktor Datenqualität - Verfahren und Tools zur Qualitätssicherung der Produktdaten- Erfolgsfaktor Datenqualität - Verfahren und Tools zur Qualitätssicherung der Produktdaten- Rolf Krieger Institut für Softwaresysteme Hochschule Trier, Umwelt-Campus Birkenfeld email: r.krieger@umwelt-campus.de

Mehr

Open Source BI Trends. 11. Dezember 2009 Wien Konstantin Böhm

Open Source BI Trends. 11. Dezember 2009 Wien Konstantin Böhm Open Source BI Trends 11. Dezember 2009 Wien Konstantin Böhm Profil Folie 2 JAX 2009 11.12.2009 Gründung 2002, Nürnberg 50 Mitarbeiter Innovative Kunden Spezialisiert auf Open Source Integration Open Source

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

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

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

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

Modernes Hochschulmanagement

Modernes Hochschulmanagement Führungsinformationssysteme am Beispiel der ETH Zürich Dr. Andreas Dudler Direktor der Informatikdienste der ETH Zürich 15. November 2006 / Seite 1 Inhalt Kurze Vorstellung der ETH Zürich Academic Analytics

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

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

Ontologiebasiertes Kennzahlenmanagement

Ontologiebasiertes Kennzahlenmanagement Ontologiebasiertes Kennzahlenmanagement Dan Garconita Competence Center Information Management Bundesrechenzentrum GmbH www.brz.gv.at Der IT-Dienstleister des Bundes Kennzahlensysteme No doubt companies

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

Modellbasierte Business Intelligence- Praxiserfahrungen in einem komplexen Data Warehouse Umfeld. München, 26. Januar 2010

Modellbasierte Business Intelligence- Praxiserfahrungen in einem komplexen Data Warehouse Umfeld. München, 26. Januar 2010 Modellbasierte Business Intelligence- Praxiserfahrungen in einem komplexen Data Warehouse Umfeld München, 26. Januar 2010 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Inhalte von Datenmodellen

Mehr