Datenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013

Größe: px
Ab Seite anzeigen:

Download "Datenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013"

Transkript

1 Datenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013 Endler Gregor,

2 Warum Datenqualität? 2002, USA: $ Y2k weltweit: $ Kosten Todesfälle durch Fehler Fehlende Info: bis 81% der Fälle 2

3 Was ist Datenqualität? Intuitiv klar Keine allgemein anerkannte Definition Viele verwandte Forschungsgebiete 3

4 Was ist Datenqualität? Generisch: Fitness for Use 1. Datenqualität ist subjektiv 4

5 Beispiel Felder vertauscht ungenau Duplikate fehlende Werte PID Name Vorname Geburtsjahr Telefon MgrZulage 9462 Hans Müller Müller Hans Mustermann Susanne Merkel Angela Becker Bris Tippfehler falscher Wert nicht plausibler Wert unmöglicher Wert 5

6 Was ist Datenqualität? Viele unterschiedliche Arten von Qualität 1. Datenqualität ist subjektiv 2. Datenqualität ist multidimensional 6

7 Korrektheit, Genauigkeit Korrektheit Übereinstimmung Datenwert - Realwelt Genauigkeit Abstand Datenwert - Realwelt Syntaktisch vs. Semantisch kontextunabhängig kontextabhängig 7

8 Vollständigkeit Schema Attribut Vollständigkeit Tupel Relation Population 8

9 Konsistenz Konsistenz Widerspruchsfreiheit Relationale Integritätsbedingungen Benutzerdefinierte Constraints 9

10 Zeitbezogene Dimensionen Aktualität Zeitnähe Daten veraltet? Zeitgerechte Bereitstellung? 10

11 Wechselwirkungen Sicherstellen von Korrektheit, Erfordert Zeit Zeitnähe gefährdet 11

12 Was ist Datenqualität? Wechselwirkungen zwischen Dimensionen 1. Datenqualität ist subjektiv 2. Datenqualität ist multidimensional 3. DQ-Dimensionen sind nicht unabhängig 12

13 Messen von Datenqualität

14 Referenzdaten 14

15 Maße Korrektheit Syntaktisch: Wertebereich, Rechtschreibung Semantisch: Realweltvergleich Genauigkeit Realweltvergleich Spezialfall Distanzmessung an Realobjekt Konsistenz # Tupel, die alle Integritätsbedingungen erfüllen # Tupel Zeitnähe Fehlende Daten für Arbeitsschritt? Prozessmonitoring 15

16 Messen von Vollständigkeit Vollständigkeit Attribut, Tupel, Relation: Anteil NULL Schema: Schema- & Bedarfsanalyse Populationsvollständigkeit: Expertenwissen, Realweltvergleich Wert existiert nicht NULL Wert existiert, ist aber nicht bekannt Nicht bekannt, ob Wert existiert 16

17 Messen von Aktualität Aktualisierungen Realweltobjekt Zeit Datenobjekt d Zeit Aktualität von d Zeit 17

18 Messen von Aktualität ctd. Realweltobjekt Volatilität? Zeit Datenobjekt d Zeit geschätzte Aktualität von d Zeit 18

19 Verbesserung von Datenqualität

20 DQ und Prozesskontrolle steuern Daten Prozesse erzeugen IT Geschäftsprozesse Unternehmensorganisation 20

21 Maßnahmenportfolio Maßnahmenportfolio zur Verbesserung der DQ [Redman 1996] hoch Änderungshäufigkeit der Realweltobjekte Proaktive Maßnahmen niedrig Laissez faire Reaktive Maßnahmen niedrig Bedeutung (Wichtigkeit) der Daten hoch 21

22 TDQM Zyklus Define Improve Measure Analyze TDQM: Wang et al: Data Quality, Kluwer,

23 Transparenz der DQ der Datenproduktion A1, QS1 A2, QS2 A3, QS3 w1, qw1 w2, qw2... QS2 q1 q2 qw2 qind1 qind2 23

24 Transparenz der DQ der Datenproduktion Provenance Why Where How 24

25 Maßnahmen Profiling Manuelle Korrektur (semi-)automatische Korrektur Attributanalyse Ausreißer Abhängigkeiten Identity Matching Fremdschlüsselbeziehungen Record Linkage Redundanzen 25

26 Datenqualität im Projekt MEDITALK

27 Kontext Gemeinschaftliche Behandlung Praxismanager Finanzielle Vorteile 27

28 Wo drückt der Schuh? 28

29 MVZ und Praxisnetz Heterogene Arztpraxis- Systeme (APS) APS A APS B Metadaten Repository Integration Integrierte Datenbank Neue Verwendung DQ-Monitoring Administrative Anwendungen (z.b. Controlling) ERP System des Zentrums Fitness for Use? 29

30 Pay-as-you-go DQ-Monitoring Pay-asyou-go neue Regeln neue Metriken Define Initiale Definition von Regeln, Metriken Benachrichtigung Bereinigung Improve Measure Monitor Monitoring Problemanzeige Analyze Moni tor Ursprung? Ursachen? TDQM: Wang et al: Data Quality, Kluwer,

31 Zusammenfassung Datenqualität ist subjektiv Datenqualität ist multidimensional DQ-Dimensionen sind nicht unabhängig Messen entlang der Dimensionen Oft kontinuierliches DQ-Management nötig 31

32 Kontakt Gregor Endler Lehrstuhl für Informatik 6 (Datenmanagement) FAU Erlangen-Nürnberg www6.cs.fau.de/people/greg/

33 Quellen Batini, C. and Scannapieco, M.: Data Quality. Concepts, Methodologies and Techniques, Springer, 2006 Eckerson, W.: Data Quality and the Bottom Line: Achieving Business Success through a Commitment to High Quality Data, The Data Warehouse Institute, Repost Series, 2002 Fisher, C.W. and Kingma, B.R.: Criticality of Data Quality as Exemplified in Two Disasters, Information Management, 2002 English, L.P.: Improving Data Warehouse and Business Information Quality, Wiley & Sons, 1999 Institute of Medicine: IOM Report 1999 IOM Report 2001 Lenz, R.Y.: Vorlesungsmaterial Evolutionäre Informationssysteme, 2012 Miller, D.W., et al.: Missing prenatal records at a birth center: A communication problem quantified, AMIA Annu. Symp. Proc., 2005 Redman, T.C.: Data Quality for the Information Age, Artech House, 1996 Wang, R. et.al.: Data Quality, Kluwer,

Orientierungsvorlesung. Vertiefungsrichtung Datenbanksysteme. Richard Lenz Februar 2014

Orientierungsvorlesung. Vertiefungsrichtung Datenbanksysteme. Richard Lenz Februar 2014 Orientierungsvorlesung Vertiefungsrichtung Datenbanksysteme Februar 2014 Lehrstuhl für Informatik 6 (Datenmanagement) Friedrich-Alexander-Universität Erlangen-Nürnberg Datenbanksysteme (1) 2 Techniken

Mehr

Orientierungsvorlesung. Vertiefungsrichtung Datenbanksysteme. Richard Lenz Dezember 2014

Orientierungsvorlesung. Vertiefungsrichtung Datenbanksysteme. Richard Lenz Dezember 2014 Orientierungsvorlesung Vertiefungsrichtung Datenbanksysteme Richard Lenz Dezember 2014 Lehrstuhl für Informatik 6 (Datenmanagement) Friedrich-Alexander-Universität Erlangen-Nürnberg Datenbanksysteme (1)

Mehr

Datenqualität: allgemeiner Überblick Waldemar Braun. Seminar Datenqualität OvGU Magdeburg 03.12.2009

Datenqualität: allgemeiner Überblick Waldemar Braun. Seminar Datenqualität OvGU Magdeburg 03.12.2009 Datenqualität: allgemeiner Überblick Waldemar Braun Seminar Datenqualität OvGU Magdeburg Gliederung 1. Einleitung 2. Motivation 3. Definition 4. DQ-Probleme 5. DQ-Dimensionen 6. DQ-Modelle 7. Messen der

Mehr

Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter. Chinesische Botschaft in Belgrad

Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter. Chinesische Botschaft in Belgrad Datenqualität mit dem DataFlux dfpower Studio 8.1 Tobias Jansen Zaferna-Hütte, 4. Januar 2009 Motivation: Datenqualitätsprobleme in der Praxis (1/2) Mars Climate Orbiter Nasa Marssonde Mars Climate Orbiter

Mehr

Quelle: Daten nach Russom, Philip: Taking Data Quality to the Enterprise through Data Governance, TDWI Report Series, The Data Warehouse Institute,

Quelle: Daten nach Russom, Philip: Taking Data Quality to the Enterprise through Data Governance, TDWI Report Series, The Data Warehouse Institute, Quelle: Daten nach Russom, Philip: Taking Data Quality to the Enterprise through Data Governance, TDWI Report Series, The Data Warehouse Institute, Chatsworth, 2006, S. 11. Schieder: Datenqualitätsmanagement

Mehr

Frühjahrsemester 2013. CS243 Datenbanken Kapitel 4: Datenqualität* H. Schuldt. Datenqualität

Frühjahrsemester 2013. CS243 Datenbanken Kapitel 4: Datenqualität* H. Schuldt. Datenqualität Frühjahrsemester 2013 CS243 Datenbanken Kapitel 4: Datenqualität* H. Schuldt * Folien basieren zum Teil auf Unterlagen von Dr. Diego Milano Datenqualität Datenqualität (DQ) beschreibt allgemein die (anwendungsspezifische)

Mehr

Quality Point München Datenqualität

Quality Point München Datenqualität Quality Point München Datenqualität Paul, wie ist denn Eure Datenqualität? Nachdem ich bei der letzten Gehaltszahlung mit Frau... angeredet wurde, bin ich mir nicht mehr so sicher. Autor: W. Ulbrich IT&More

Mehr

A Framework for Planing and Controlling Data Quality in Data-Warehouse-Systems

A Framework for Planing and Controlling Data Quality in Data-Warehouse-Systems A Framework for Planing and Controlling Data Quality in Data-Warehouse-Systems markus.helfert@unisg.ch Slide 2 Überblick Data-Warehouse-Systeme und Datenqualität Datenqualitätsmanagement Datenqualität

Mehr

Datenqualität. Werner Nutt. In Zusammenarbeit mit Simon Razniewski. Freie Universität Bozen

Datenqualität. Werner Nutt. In Zusammenarbeit mit Simon Razniewski. Freie Universität Bozen Datenqualität Werner Nutt In Zusammenarbeit mit Simon Razniewski Freie Universität Bozen Vorstellung Werner Nutt Professor für Informatik and der Freien Univ. Bozen Schwerpunkte in Lehre und Forschung:

Mehr

Data/Information Quality Management

Data/Information Quality Management Data/Information Quality Management Seminar WI/Informationsmanagement im Sommersemester 2002 Markus Berberov, Roman Eder, Peter Gerstbach 11.6.2002 Inhalt! Daten und Datenqualität! Einführung und Definition!

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

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

Datenqualität erfolgreich managen

Datenqualität erfolgreich managen Consultants Intelligence Business White Paper Datenqualität erfolgreich managen Datenqualität ist essenziell. Sie ist der Schlüssel zur Akzeptanz von IT-Lösungen. Und: Schlechte Daten sind teuer. Unternehmen,

Mehr

Agenda. Einführung MS SQL Server Integration Services (SSIS) Oracle Data Warehouse Builder (OWB) Zusammenfassung Quellen. Einführung SSIS OWB

Agenda. Einführung MS SQL Server Integration Services (SSIS) Oracle Data Warehouse Builder (OWB) Zusammenfassung Quellen. Einführung SSIS OWB Agenda Einführung MS SQL Server Integration Services () Oracle Data Warehouse Builder () Quellen 10.12.2009 Martin Tobies - DQ Tools 2 Agenda Einführung MS SQL Server Integration Services () Oracle Data

Mehr

Datenqualitätsmodelle

Datenqualitätsmodelle Datenqualitätsmodelle Stefan Willi Hart 3. Dezember 2009 Stefan Willi Hart () Datenqualitätsmodelle 3. Dezember 2009 1 / 14 Inhaltsverzeichnis 1 Motivation 2 Modelle Systemseitiges DQ-Modell Allgemein

Mehr

Datenmanagement. Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau. Strategisches Informationsmanagement 1 (01/2006)

Datenmanagement. Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau. Strategisches Informationsmanagement 1 (01/2006) Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau (01/2006) Strategisches Informationsmanagement 1 Definition Notwendige Vermaischung der Daten in der Vorstufe zur Destillation von hochprozentiger

Mehr

Extraktion, Transformation, Laden (ETL)

Extraktion, Transformation, Laden (ETL) Extraktion, Transformation, Laden (ETL) ETL-Prozeß Integrationsschritte Integrationsprobleme fi Konflikte und deren Klassifikation fi Behebung von Konflikten Data Cleaning VL Data Warehouses, WS 2000/2001

Mehr

1 Datenqualitätsmetriken für ein ökonomisch orientiertes Qualitätsmanagement

1 Datenqualitätsmetriken für ein ökonomisch orientiertes Qualitätsmanagement 1 Datenqualitätsmetriken für ein ökonomisch orientiertes Qualitätsmanagement Bernd Heinrich, Mathias Klier 1.1 Einleitung Für eine ökonomische Betrachtung der Datenqualität (DQ) und insbesondere die Planung

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

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

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

Mehr

Datenqualitätsmanagement im Customer Relationship Management

Datenqualitätsmanagement im Customer Relationship Management Wolfgang Leußer Datenqualitätsmanagement im Customer Relationship Management Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XVII XIX XXI

Mehr

Informations- und Wissensmanagement

Informations- und Wissensmanagement Übung zur Vorlesung Informations- und Wissensmanagement (Übung 1) Frank Eichinger IPD, Lehrstuhl für Systeme der Informationsverwaltung Zur Person Beruflicher Hintergrund Studium an der TU Braunschweig

Mehr

Ausgangspunkt. Datenintegration. Ziel. Konflikte. Architekturen. Transparenz

Ausgangspunkt. Datenintegration. Ziel. Konflikte. Architekturen. Transparenz Ausgangspunkt Datenintegration Web Informationssysteme Wintersemester 2002/2003 Donald Kossmann Daten liegen in verschiedenen Datenquellen (Extremfall: jede URL eigene Datenquelle) Mietautos bei www.hertz.com

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

Kapitel II. Datenbereitstellung. II. Datenbereitstellung. II.1 Grundlagen. II. Datenbereitstellung. Collect Initial Data. II.

Kapitel II. Datenbereitstellung. II. Datenbereitstellung. II.1 Grundlagen. II. Datenbereitstellung. Collect Initial Data. II. II. bereitstellung Kapitel II bereitstellung 1 2 II. bereitstellung II.1 Grundlagen Collect Initial Data identify relevant attributes identify inconsistencies between sources Describe Data characterize

Mehr

DB2 SQL, der Systemkatalog & Aktive Datenbanken

DB2 SQL, der Systemkatalog & Aktive Datenbanken DB2 SQL, der Systemkatalog & Aktive Datenbanken Lehr- und Forschungseinheit Datenbanken und Informationssysteme 1 Ziele Auf DB2 Datenbanken zugreifen DB2 Datenbanken benutzen Abfragen ausführen Den Systemkatalog

Mehr

Extraktion, Transformation, Laden (ETL)

Extraktion, Transformation, Laden (ETL) Extraktion, Transformation, Laden (ETL) ƒ ETL-Prozeß ƒ Integrationsschritte ƒ Integrationsprobleme Konflikte und deren Klassifikation Behebung von Konflikten ƒ Data Cleaning Vorlesung Data-Warehouse-Technologien

Mehr

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

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

Mehr

Business Performance Management Next Generation Business Intelligence?

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

Mehr

Data Governance als Teil von IT Governance. Dr.Siegmund Priglinger spriglinger@informatica.com 18.Juni 2007

Data Governance als Teil von IT Governance. Dr.Siegmund Priglinger spriglinger@informatica.com 18.Juni 2007 1 Data Governance als Teil von IT Governance Dr.Siegmund Priglinger spriglinger@informatica.com 18.Juni 2007 2 Agenda Informatica - Allgemeiner Überblick Die Informatica Data Quality Lösungen im Überblick

Mehr

Metriken für ein ROI-basiertes Datenqualitätsmanagement

Metriken für ein ROI-basiertes Datenqualitätsmanagement Dr. Max Mustermann Referat Kommunikation & Marketing Verwaltung Metriken für ein ROI-basiertes Datenqualitätsmanagement Prof. Dr. Bernd Heinrich, Prof. Dr. Mathias Klier Institut für Wirtschaftsinformatik

Mehr

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

Sven Bosinger solution architect BI. Data Warehouse Architekturen Der Schlüssel zum Erfolg! DOAG 16.11.2007 1 Sven Bosinger solution architect BI Data Warehouse Architekturen Der Schlüssel zum Erfolg! DOAG 16.11.2007 1 Agenda Kurze Vorstellung its-people Architektur als Erfolgsfaktor Verschiedene Architekturansätze

Mehr

7. Übung - Datenbanken

7. Übung - Datenbanken 7. Übung - Datenbanken Informatik I für Verkehrsingenieure Aufgaben inkl. Beispiellösungen 1. Aufgabe: DBS a Was ist die Kernaufgabe von Datenbanksystemen? b Beschreiben Sie kurz die Abstraktionsebenen

Mehr

Semantische Integrität (auch: Konsistenz) der in einer Datenbank gespeicherten Daten als wichtige Anforderung

Semantische Integrität (auch: Konsistenz) der in einer Datenbank gespeicherten Daten als wichtige Anforderung 6. Datenintegrität Motivation Semantische Integrität (auch: Konsistenz) der in einer Datenbank gespeicherten Daten als wichtige Anforderung nur sinnvolle Attributwerte (z.b. keine negativen Semester) Abhängigkeiten

Mehr

Datenbanken: Datenintegrität. www.informatikzentrale.de

Datenbanken: Datenintegrität. www.informatikzentrale.de Datenbanken: Datenintegrität Definition "Datenkonsistenz" "in der Datenbankorganisation (...) die Korrektheit der gespeicherten Daten im Sinn einer widerspruchsfreien und vollständigen Abbildung der relevanten

Mehr

Forschergruppe Social Media, Mobile Business und Datenqualität

Forschergruppe Social Media, Mobile Business und Datenqualität Dr. Max Mustermann Referat Kommunikation & Marketing Verwaltung Forschergruppe Social Media, Mobile Business und Datenqualität Prof. Dr. Bernd Heinrich Prof. Dr. Mathias Klier Institut für Wirtschaftsinformatik

Mehr

Klassifikation von Integrationskonflikten

Klassifikation von Integrationskonflikten Klassifikation von Integrationskonflikten Christiane Telöken 1 Inhaltsverzeichnis 1. Was bedeutet Integration? 2. Strukturelle Heterogenitätskonflikte 2.1 Konflikte bei bilateralen Korrespondenzen 2.2

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

DGIQ Projekt IQ-Definition

DGIQ Projekt IQ-Definition DGIQ Projekt IQ-Definition Definition des Begriffsfeldes Informationsqualität bzw. Datenqualität Ein Projekt der DGIQ, 2007 Normen und Standards Dr. Jan Philipp Rohweder, Andrea Piro, Joachim Schmid GIQMC,

Mehr

Datenintegration & Datenherkunft Varianten der Data Provenance

Datenintegration & Datenherkunft Varianten der Data Provenance Datenintegration & Datenherkunft Varianten der Data Provenance Wintersemester 2010/11 Melanie Herschel melanie.herschel@uni-tuebingen.de Lehrstuhl für Datenbanksysteme, Universität Tübingen 1 Arten des

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

Wie lässt sich Datenqualität messen?

Wie lässt sich Datenqualität messen? Wie lässt sich Datenqualität messen? Eine Leitline der Telematikplattform für Medizinische Forschungsnetze M. Nonnemacher, D. Weiland, J. Stausberg Institut für Medizinische Informatik, Biometrie und Epidemiologie

Mehr

Projekt zur Lehrveranstaltung Informationssysteme

Projekt zur Lehrveranstaltung Informationssysteme Prof. Dr.-Ing. Thomas Kudraß Dipl.-Math. Dörte König HTWK Leipzig, F IMN Projekt zur Lehrveranstaltung Informationssysteme Das Projekt ist in drei Teile aufgeteilt, die den Phasen eines Data-Warehouse-Projekts

Mehr

Index- und Zugriffsstrukturen für. Holger Brämer, 05IND-P

Index- und Zugriffsstrukturen für. Holger Brämer, 05IND-P Index- und Zugriffsstrukturen für Data Warehousing Holger Brämer, 05IND-P Index- und Zugriffstrukturen für Data Warehousing Materialisierte Sichten Bitmap-Indexe Verbundindexe Materialisierte Sichten gehören

Mehr

Integritätsbedingungen / Normalformen- Beispiel: Kontoführung

Integritätsbedingungen / Normalformen- Beispiel: Kontoführung Technische Universität München WS 2003/04, Fakultät für Informatik Datenbanksysteme I Prof. R. Bayer, Ph.D. Lösungsblatt 8 Dipl.-Inform. Michael Bauer Dr. Gabi Höfling 12.01. 2004 Integritätsbedingungen

Mehr

Schlüssel bei temporalen Daten im relationalen Modell

Schlüssel bei temporalen Daten im relationalen Modell Schlüssel bei temporalen Daten im relationalen Modell Gesine Mühle > Präsentation > Bilder zum Inhalt zurück weiter 322 Schlüssel im relationalen Modell Schlüssel bei temporalen Daten im relationalen Modell

Mehr

Datenbanken: Relationales Datenbankmodell RDM

Datenbanken: Relationales Datenbankmodell RDM Das RDM wurde in den 70'er Jahren von Codd entwickelt und ist seit Mitte der 80'er Jahre definierter Standard für Datenbanksysteme! Der Name kommt vom mathematischen Konzept einer Relation: (Sind A, B

Mehr

Christian Kurze BI-Praktikum IBM WS 2008/09

Christian Kurze BI-Praktikum IBM WS 2008/09 Einführung in die multidimensionale Datenmodellierung e mit ADAPT BI-Praktikum IBM WS 2008/09 1 Gliederung Einführung multidimensionale Datenmodellierung 1. Multidimensionales Modell BI-Praktikum IBM WS

Mehr

Master Data Management - Wege aus der Datenkrise

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

Mehr

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 Preprocessing 1. Thema: Bussiness Intelligence Teil 1: OLAP & Data Warehousing. von Christian Merker

Data Preprocessing 1. Thema: Bussiness Intelligence Teil 1: OLAP & Data Warehousing. von Christian Merker 1 Data Preprocessing 1 Thema: Bussiness Intelligence Teil 1: OLAP & Data Warehousing von Christian Merker 2 Gliederung Motivation Monitore Datenextraktion Schema- und Datenintegration Datenbereinigung

Mehr

Eine neue Generation für eine neue Zeit. Doing by Design

Eine neue Generation für eine neue Zeit. Doing by Design Das neue Doxis4 BPM Eine neue Generation für eine neue Zeit Doing by Design Normatives BPM einfach und effektiv bereit stellen: Prozessmanagement in Industriequalität ohne Entwicklungsprojekte. Einheit

Mehr

DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER

DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER INHALTSVERZEICHNIS 1. Datenbanken 2. SQL 1.1 Sinn und Zweck 1.2 Definition 1.3 Modelle 1.4 Relationales Datenbankmodell 2.1 Definition 2.2 Befehle 3.

Mehr

Planung und Messung der Datenqualität in Data-Warehouse-Systemen

Planung und Messung der Datenqualität in Data-Warehouse-Systemen Planung und Messung der Datenqualität in Data-Warehouse-Systemen DISSERTATION der Universität St. Gallen, Hochschule für Wirtschafts-, Rechts- und Sozialwissenschaften (HSG) zur Erlangung der Würde eines

Mehr

Integrationsnachgelagertes Datenmanagement am Beispiel des Gesundheitswesens

Integrationsnachgelagertes Datenmanagement am Beispiel des Gesundheitswesens Integrationsnachgelagertes Datenmanagement am Beispiel des Gesundheitswesens RalphStuber 1,Hans-Jürgen Appelrath 2 1 OFFIS Institut für Informatik -BereichGesundheit stuber@offis.de 2 Carl vonossietzkyuniversität

Mehr

Homogene standortübergreifende Prozesse mit Hilfe von IT Service Management. 25. April 2007

Homogene standortübergreifende Prozesse mit Hilfe von IT Service Management. 25. April 2007 Homogene standortübergreifende Prozesse mit Hilfe von IT Service Management e-business-akademie 25. April 2007 Referent Adrian Aerni Geschäftsführer OmniNet GmbH (Schweiz) Unterdorfstrasse 5 3072 Ostermundigen

Mehr

Datenbanksysteme 2 Frühjahr-/Sommersemester 2014 28. Mai 2014

Datenbanksysteme 2 Frühjahr-/Sommersemester 2014 28. Mai 2014 Lehrstuhl für Praktische Informatik III Prof. Dr. Guido Moerkotte Email: moer@db.informatik.uni-mannheim.de Marius Eich Email: marius.eich@uni-mannheim.de Datenbanksysteme 2 8. Übungsblatt Frühjahr-/Sommersemester

Mehr

Six-Sigma-Methodik bei der Vergabe von Übersetzungsdienstleistungen. Benedikt Kraus Entscheider-Forum für Führungskräfte 24.

Six-Sigma-Methodik bei der Vergabe von Übersetzungsdienstleistungen. Benedikt Kraus Entscheider-Forum für Führungskräfte 24. Six-Sigma-Methodik bei der Vergabe von Übersetzungsdienstleistungen Benedikt Kraus Entscheider-Forum für Führungskräfte 24. Oktober 2012 Anforderungen an Sprachdienstleistungen bei Boehringer Ingelheim

Mehr

1 Datenqualität. 1.1 Daten

1 Datenqualität. 1.1 Daten 3 Der Begriff Datenqualität ist sehr stark subjektiv geprägt. Sowohl bei der Befragung von Fachleuten als auch in der Literatur erhält man zu diesem Thema sehr unterschiedliche Antworten. Viele Autoren

Mehr

Datenqualität. Seminararbeit. Universität Karlsruhe (TH) Fakultät für Informatik Institut für Programmstrukturen und Datenorganisation (IPD)

Datenqualität. Seminararbeit. Universität Karlsruhe (TH) Fakultät für Informatik Institut für Programmstrukturen und Datenorganisation (IPD) Universität Karlsruhe (TH) Fakultät für Informatik Institut für Programmstrukturen und Datenorganisation (IPD) Hauptseminar Imperfektion und erweiterte Konzepte im Data Warehousing Datenqualität Seminararbeit

Mehr

Kapitel II. Datenbereitstellung 2004 AIFB / FZI 1. Vorlesung Knowledge Discovery

Kapitel II. Datenbereitstellung 2004 AIFB / FZI 1. Vorlesung Knowledge Discovery Kapitel II Datenbereitstellung 2004 AIFB / FZI 1 II. Datenbereitstellung 2004 AIFB / FZI 2 II. Datenbereitstellung Collect Initial Data identify relevant attributes identify inconsistencies between sources

Mehr

30. Juni 2006 - Technische Universität Kaiserslautern. Paul R. Schilling

30. Juni 2006 - Technische Universität Kaiserslautern. Paul R. Schilling 30. Juni 2006 - Technische Universität Kaiserslautern Paul R. Schilling ! " #$% & '( ( ) *+, - '. / 0 1 2("$ DATEN SIND ALLGEGENWÄRTIG Bill Inmon, father of data warehousing Unternehmen In einer vollkommenen

Mehr

Data Warehousing 0-1. DBS-Module

Data Warehousing 0-1. DBS-Module Data Warehousing Sommersemester 2014 Prof. Dr. E. Rahm Universität Leipzig Institut für Informatik y y y http://dbs.uni-leipzig.de 0-1 DBS-Module Master-Studium Informatik 10-202-2215 Moderne Datenbanktechnologien

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

Architektur eines Data Warehouse Systems. Mario Jandeck

Architektur eines Data Warehouse Systems. Mario Jandeck Architektur eines Data Warehouse Systems Mario Jandeck Agenda Folie 2 von 24 1. Die Referenzarchitektur 2. Komponenten des Data Warehouse Systems 3. Datenbeschaffung und Qualität 4. Analyse im Data Warehouse

Mehr

Messung von Datenqualität bei Registern und Kohorten

Messung von Datenqualität bei Registern und Kohorten Messung von Datenqualität bei Registern und Kohorten Carsten Oliver Schmidt, Jürgen Stausberg, Ron Pritzkuleit, Thomas Schrader, Michael Nonnemacher DKVF 2013 QS Ziele Befunde sollen Intern und Extern

Mehr

Referenzielle Integrität SQL

Referenzielle Integrität SQL Referenzielle Integrität in SQL aus Referential Integrity Is Important For Databases von Michael Blaha (Modelsoft Consulting Corp) VII-45 Referenzielle Integrität Definition: Referenzielle Integrität bedeutet

Mehr

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

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

Mehr

Universität Augsburg, Institut für Informatik WS 2006/2007 Dr. W.-T. Balke 27. Nov. 2006 M. Endres, A. Huhn, T. Preisinger Lösungsblatt 5

Universität Augsburg, Institut für Informatik WS 2006/2007 Dr. W.-T. Balke 27. Nov. 2006 M. Endres, A. Huhn, T. Preisinger Lösungsblatt 5 Universität Augsburg, Institut für Informatik WS 2006/2007 Dr. W.-T. Balke 27. Nov. 2006 M. Endres, A. Huhn, T. Preisinger Lösungsblatt 5 Aufgabe 1: Projektion Datenbanksysteme I π A1,...,A n (π B1,...,B

Mehr

FUSIONPLEX. Datenfusion mit. 1 Datenfusion 2 Multiplex 3 Fusionplex 4 Autoplex 5 Konkurrenzansatz

FUSIONPLEX. Datenfusion mit. 1 Datenfusion 2 Multiplex 3 Fusionplex 4 Autoplex 5 Konkurrenzansatz Datenfusion mit FUSIONPLEX Seminar Datenfusion in drei Schritten im Wintersemester 2006/2007 Kathleen Haucke Inhalt 1 Datenfusion 2 Multiplex 3 Fusionplex 4 Autoplex 5 Konkurrenzansatz 2 1 1 Datenfusion

Mehr

IT-Compliance -... und die Realität. Was hat Datenqualität mit Compliance zu tun?

IT-Compliance -... und die Realität. Was hat Datenqualität mit Compliance zu tun? IT-Compliance -... und die Realität Was hat Datenqualität mit Compliance zu tun? Situation Stetiger Veränderungsdruck durch immer schnellere Marktveränderungen Auslöser für Veränderungen Globalisierung

Mehr

Intelligente Unternehmens- und Prozesssteuerung durch CPM

Intelligente Unternehmens- und Prozesssteuerung durch CPM Intelligente Unternehmens- und Prozesssteuerung durch CPM 5. IIR Forum BI, Mainz, Sept. 2006 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business

Mehr

MOSAIC: Zentrales Datenmanagement als Methode zur Verbesserung der Nachnutzbarkeit medizinischer Forschungsdaten

MOSAIC: Zentrales Datenmanagement als Methode zur Verbesserung der Nachnutzbarkeit medizinischer Forschungsdaten MOSAIC: Zentrales Datenmanagement als Methode zur Verbesserung der Nachnutzbarkeit medizinischer Forschungsdaten Martin Bialke Institut für Community Medicine (Abt. VC) Universitätsmedizin Greifswald 25.

Mehr

SQL: statische Integrität

SQL: statische Integrität SQL: statische Integrität.1 SQL: statische Integrität Im allgemeinen sind nur solche Instanzen einer Datenbank erlaubt, deren Relationen die der Datenbank bekannten Integritätsbedingungen erfüllen. Integritätsbedingungen

Mehr

6. Datenintegrität. Integritätsbedingungen

6. Datenintegrität. Integritätsbedingungen 6. Integritätsbedingungen dienen zur Einschränkung der Datenbankzustände auf diejenigen, die es in der realen Welt tatsächlich gibt. sind aus dem erstellten Datenmodell ableitbar (semantisch) und können

Mehr

Configuration Management mit Verbosy 17.04.2013 OSDC 2013. Eric Lippmann www.netways.de

Configuration Management mit Verbosy 17.04.2013 OSDC 2013. Eric Lippmann www.netways.de Configuration Management mit Verbosy 17.04.2013 OSDC 2013 Eric Lippmann Kurzvorstellung NETWAYS Expertise OPEN SOURCE SYSTEMS MANAGEMENT OPEN SOURCE DATA CENTER Monitoring & Reporting Configuration Management

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

Die Rolle des Stammdatenmanagements im digitalen Unternehmen

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

Mehr

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

Duplikaterkennung - Motivation Masterseminar. Felix Naumann Hasso-Plattner-Institut

Duplikaterkennung - Motivation Masterseminar. Felix Naumann Hasso-Plattner-Institut Duplikaterkennung - Motivation Masterseminar 16.4.2008 Felix Naumann Hasso-Plattner-Institut Fachgebiet Informationssysteme Überblick 2 Datenqualität Datenfehler und ihre Ursachen Datenreinigung i Duplikaterkennung

Mehr

SQL und MySQL. Kristian Köhntopp

SQL und MySQL. Kristian Köhntopp SQL und MySQL Kristian Köhntopp Wieso SQL? Datenbanken seit den frühen 1950er Jahren: Hierarchische Datenbanken Netzwerkdatenbanken Relationale Datenbanken = SQL Relational? 10 9 8 7 6 f(y) := y = x r(y)

Mehr

elearning 02.07.2004 SIGNAL project Hans Dietmar Jäger 1

elearning 02.07.2004 SIGNAL project Hans Dietmar Jäger 1 elearning The use of new multimedia technologies and the Internet to improve the quality of learning by facilitating access to resources and services as well as remote exchange and collaboration. (Commission

Mehr

Operational Excellence Effizienzoptimierung und Qualitätssteigerung mit Lean Sigma in der IT

Operational Excellence Effizienzoptimierung und Qualitätssteigerung mit Lean Sigma in der IT Christian Wagner Operational Excellence Effizienzoptimierung und Qualitätssteigerung mit Lean Sigma in der IT 1 Ziele und Herausforderungen im IT Service Management 2 Überblick über die Lean Sigma Methode

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

Datenbanktechnologie für Data-Warehouse-Systeme

Datenbanktechnologie für Data-Warehouse-Systeme Wolfgang Lehner Datenbanktechnologie für Data-Warehouse-Systeme Konzepte und Methoden dpunkt.verlag 1 1.1 1.2 1.3 1.4 1. 5 2 2.1 2.2 2.3 Einleitung 1 Betriebswirtschaftlicher Ursprung des Data Warehousing...

Mehr

Einführung relationale Datenbanken. Themenblock: Erstellung eines Cube. Schlüssel. Relationenmodell Relationenname Attribut. Problem.

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

Mehr

Informatica Day 2010 Deutschland Best Practice: Data-Consolidation im SAP Umfeld bei Siemens. Frank Hincke, DIMQ, Köln 03/2010

Informatica Day 2010 Deutschland Best Practice: Data-Consolidation im SAP Umfeld bei Siemens. Frank Hincke, DIMQ, Köln 03/2010 Informatica Day 2010 Deutschland Best Practice: Data-Consolidation im Umfeld bei Siemens Frank Hincke, DIMQ, Köln 03/2010 Agenda Vorstellung Sprecher Programm ATLAS im Bereich Siemens Bereich Energie,

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

Aufbau Datenportal Deutsche Meeresforschung

Aufbau Datenportal Deutsche Meeresforschung Aufbau Datenportal Deutsche Meeresforschung durch das Marine Network for Integrated Data Access MaNIDA MaNIDA-Team Datenintensive marine Forschung 2 26.04.2013 Angela Schäfer Überblick Impuls- und Vernetzungsfonds

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

Raus aus der Bl-Falle

Raus aus der Bl-Falle Ronald Bachmann, Dr. Guido Kemper Raus aus der Bl-Falle Wie Business Intelligencezum Erfolg wird mitp Die Autoren 13 Vorwort 15 1 Einleitung 21 1.1 Was ist Business Intelligence (BI)? 21 1.2 Motive zur

Mehr

ER-Modellierung am Beispiel der Universitätsdatenbank aus der DBIS-Vorlesung

ER-Modellierung am Beispiel der Universitätsdatenbank aus der DBIS-Vorlesung ER-Modellierung am Beispiel der Universitätsdatenbank aus der DBIS-Vorlesung Datenbank-Praktikum SS 2010 Prof. Dr. Georg Lausen Florian Schmedding ER-Modell: Wiederholung Entitäten E Beziehungen B Attribute

Mehr

Stammdatenmanagement im GKV Markt Bitmarck Kundentag 04.11.2014

Stammdatenmanagement im GKV Markt Bitmarck Kundentag 04.11.2014 Stammdatenmanagement im GKV Markt Bitmarck Kundentag 04.11.2014 Andreas Klaes Direktor Vertrieb Gesundheitswesen Stammdaten Definition & Abgrenzung Referenzdaten Kunde Länder, Währungen, Adressen,. Änderungshäufigkeit

Mehr

GPX Business CLOUD. GPX CLOUD Zusatzservices. www.inposia.com

GPX Business CLOUD. GPX CLOUD Zusatzservices. www.inposia.com GPX Business CLOUD GPX CLOUD Zusatzservices www.inposia.com EDI via GPX Business CLOUD Diese Broschüre zeigt Ihnen die Zusatzservices der GPX Business CLOUD auf. Rechnungsverarbeitung GPX einvoicing 3

Mehr

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing Seminar in der Seminarreihe Business Intelligence 1 OLAP und Datawarehousing OLAP & Warehousing Die wichtigsten Produkte Die Gliederung Produkt Bewertung & Vergleiche Die Marktentwicklung Der aktuelle

Mehr

HMD. Wirtschaftsinformatik. Eine Datenqualitätsstrategie für große Organisationen am Beispiel der Bundeswehr. Praxis der

HMD. Wirtschaftsinformatik. Eine Datenqualitätsstrategie für große Organisationen am Beispiel der Bundeswehr. Praxis der HMD Heft 279 Sonderdruck Praxis der Wirtschaftsinformatik Christian Fürber Joachim Sobota Eine Datenqualitätsstrategie für große Organisationen am Beispiel der Bundeswehr Elektronischer Sonderdruck dpunkt.verlag

Mehr

Erfolgsfaktor SAP NetWeaver Master Data Management Infotag 2007

Erfolgsfaktor SAP NetWeaver Master Data Management Infotag 2007 als strategischer Erfolgsfaktor SAP NetWeaver Master Data Management Infotag 2007 Dr. Boris Otto Regensdorf, 20.06.2007 Agenda Motivation und Status quo Strategisches Gestaltungsfeld Corporate Data Quality

Mehr

Software-Engineering Einführung

Software-Engineering Einführung Software-Engineering Einführung 7. Übung (04.12.2014) Dr. Gergely Varró, gergely.varro@es.tu-darmstadt.de Erhan Leblebici, erhan.leblebici@es.tu-darmstadt.de Tel.+49 6151 16 4388 ES Real-Time Systems Lab

Mehr

Agenda. Themenblock: Data Warehousing (I) Referenzarchitektur. Eigenschaften eines Data Warehouse. Einführung Data Warehouse Data Access mit SQL

Agenda. Themenblock: Data Warehousing (I) Referenzarchitektur. Eigenschaften eines Data Warehouse. Einführung Data Warehouse Data Access mit SQL Themenblock: Data Warehousing (I) Praktikum: Data Warehousing und Data Mining 2 Eigenschaften eines Data Warehouse Referenzarchitektur Integrierte Sicht auf beliebige Daten aus verschieden Datenbanken

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