Datenqualitätsmanagement in Business Intelligence Systemen Grundlagen, typische Probleme und Lösungswege

Größe: px
Ab Seite anzeigen:

Download "Datenqualitätsmanagement in Business Intelligence Systemen Grundlagen, typische Probleme und Lösungswege"

Transkript

1 Datenqualitätsmanagement in Business Intelligence Systemen Grundlagen, typische Probleme und Lösungswege Jena, Markus Enderlein, Infomotion GmbH Michael Leifeld, Informatica Informatik-Kolloquium Jena

2 Kurzprofil: Markus Enderlein Markus Enderlein Dipl. Wirt-Inf. (FH) Leiter Marketing und Produktmanagement 2007 heute: Infomotion GmbH BI-Projektleitung, -Strategie & internes Business Development und Bereichsleitung Leiter Marketing und Produktmanagement Managing Consultant und Wissensmanager Senior Consultant : Pluralis AG Software-Architektur und IT-Projektleitung Senior Consultant : CSC Ploenzke AG Software-Entwicklung und -Architektur Professional Consultant Auszubildender Fachinformatiker Projekte (Auszug) Gesamt- und IT-Projektleitung verschiedener Implementierungsprojekte Verschiedene Projekte zur Bewertung, Optimierung bzw. Konzeption einer BI- Strategie bzw. eines BI-Governance-Modells Verschiedene Projekte zur Konzeption von Datenmanagementlandschaften bzw. deren Optimierung/Neuausrichtung mit der Zielsetzung Kostenreduktion und Prozesseffizienz Vorstudien zur Ermittlung verschiedener Lösungsszenarien für die Neuausrichtung bestehender BI-Lösungen Konzeption der Integration einer BI-Systemlandschaft in einer IT- Sicherheitsarchitektur zum Schutz vor Wirtschaftsspionage und Datenmissbrauch Steuerung und Konzeption eines zentralen Data Warehouse Systems für das Reporting im Kreditrisiko-Bereich Steuerung und Konzeption eines Vertriebs-DWHs einer Depot-Bank Infomotion GmbH

3 Unternehmensvorstellung Infomotion GmbH Spezialisiert auf Business Intelligence 8 Niederlassungen in der DACH-Region 215 Mitarbeiter und davon 190 BI-Experten 10 Jahre Wachstum (19 Mio. ) 250+ Kunden vieler Branchen Komplettes Leistungsportfolio Infomotion GmbH

4 Agenda Grundlagen Data Quality Management Datenqualitätsmanagement in BI-Systemen Fallbeispiele Demo mit der Produktpalette von Informatica Infomotion GmbH

5 GRUNDLAGEN Infomotion GmbH

6 Definition Datenqualität wird definiert als mehrdimensionales Maß für die Eignung von Daten, den an ihre Erfassung/Generierung gebundenen Zweck zu erfüllen [Fit to use]. Diese Eignung kann sich über die Zeit ändern, wenn sich die Bedürfnisse ändern. Vgl. Würthele 2003, S. 21. Eignung für Einsatz der Daten in operativen und analytischen Anwendungen inkl. Nutzung für Planungsaufgaben. Wie kritisch ist die Qualität Ihrer Unternehmensdaten für unternehmerische Entscheidungen? 10% 52% 38% nicht kritisch etwas kritisch sehr kritisch Quelle: BARC Datenqualitätsmanagement: Organisation und Initiativen, März 2011, S. 13, (n=71) Infomotion GmbH

7 Erfahrungen mit schlechter Datenqualität Sinkende Mitarbeiterzufriedenheit Steigende Kosten Sinkende Kundenzufriedenheit Rückläufige Umsätze Sonstiges Keine Folgen 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% Quelle: BARC Datenqualitätsmanagement: Organisation und Initiativen, März 2011, S , n = 149, Multiple Choice Infomotion GmbH

8 Treiber für Datenqualitätsmaßnahmen am Beispiel der Versicherungen Herausforderungen und Problemstellungen Aktuelle Treiber für die Versicherungen im Bereich Compliance Das aktive Beheben schlechter Datenqualität mindert generell die Projektrisiken und führt zu geringeren Kosten bzw. zu reduzierten Durchlaufzeiten von Projekten. Kosten und Risiken Die Unternehmenssteuerung muss sich auf die Qualität der Daten verlassen können, da diese unmittelbare Auswirkung auf die Qualität der Entscheidungen hat. Steuerung Im Wettbewerb um den Kunden ist eine dem Verwendungszweck entsprechende Datenqualität Voraussetzung, z.b. für den Erfolg von Kampagnen. Wettbewerb Externe regulatorische Vorgaben (SOX, IFRS, Basel-II) sowie die interne Revision erfordern die Definition und die Umsetzung einheitlicher Standards und Mechanismen für ein aktives DQM. Compliance Die Bedeutung von Daten für Unternehmen steigt kontinuierlich und in einem aktuell sehr hohen Tempo. Disruptive und auf Daten basierende Angebote bzw. zusätzliche Dienstleistungen neuer Unternehmen verändern bestehende Märkte deutlich und fordern etablierten Unternehmen heraus. Durch IT-Innovationen und Treiber wie Internet Of Things, Mobile Internet, Cloud Technology, Smartphones etc. vergrößern sich sowohl die Datenmengen als auch die Herausforderungen für das Datenqualitätsmanagement. Digitalisierung und Vernetzung [ ], um die Angemessenheit, die Vollständigkeit und die Exaktheit der bei der Berechnung der versicherungstechnischen Rückstellungen verwendeten Daten zu gewährleisten [ ] Solvency II [ ] Der Validierungsprozess hat insbesondere die kontinuierliche Zweckmäßigkeit, Angemessenheit, Qualität und Vollständigkeit von Daten, Methoden und Verfahren nachzuweisen. MaRisk VA [ ]Es werden angemessene Maßnahmen dafür getroffen, dass nicht zutreffende oder unvollständige Daten berichtigt, gelöscht oder gesperrt werden. Code of Conduct: Art. 3 (3) Infomotion GmbH

9 Datenqualitätskosten Kosten durch schlechte Datenqualität Kosten zu Verbesserung bzw. Sicherstellung von ausreichender Datenqualität Das nachträgliche Bereinigen von Daten ist im Vergleich zu qualitätssichernden Maßnahmen um den Faktor 5-10 teurer. In Anlehnung an Eppler/Helfer 2004, S. 3, und Otto u.a. 2008, S. 219 Infomotion GmbH

10 Ursachen schlechter Datenqualität - Allgemein Datenerfassung Definitionen (Daten-)Architektur Prozesse Datenverfall Datenverwendung 0% 5% 10% 15% 20% 25% 30% 35% 40% In Anlehnung an Apel, Behme, Eberlein, Merighi, 2009, S. 36 und S. 42. Infomotion GmbH

11 Herausforderungen für Unternehmen Unbeeinflussbare Faktoren Fehlerhafte Daten Infomotion GmbH

12 Datenqualitätskriterien Glaubwürdigkeit Korrektheit Attributwerte entsprechen der Realität. Konsistenz Attributwerte weisen keine logischen Widersprüche untereinander auf Zuverlässigkeit Entstehung der Daten ist nachvollziehbar. Nützlichkeit Vollständigkeit Alle vom Anwender benötigten Daten stehen zur Verfügung. Genauigkeit Daten liegen in geforderter Genauigkeit vor. Zeitnähe Datensätze entsprechen dem aktuellen Zustand und liegen zeitnah vor. Redundanzfreiheit Daten enthalten keine Duplikate. Relevanz Informationsgehalt der Daten entspricht dem Informationsbedarf der Anwender. Interpretierbarkeit Einheitlichkeit Daten stehen in einem einheitlichen Format bereit. Eindeutigkeit Datensatz ist eindeutig interpretierbar. Verständlichkeit Daten sind aufgrund Benamung und Struktur für Anwender verständlich. Schlüsselintegration (relational) Schlüsseleindeutigkeit Der Primärschlüssel der Datensätze ist eindeutig. Referenzielle Integrität Jeder Fremdschlüssel referenziert eindeutig auf einen anderen. Vgl. Hinrichs 2002, S.30. Infomotion GmbH

13 DATENQUALITÄTSMANAGEMENT IN BI-SYSTEMEN Infomotion GmbH

14 Business Intelligence Systeme Dashboards OLAP Reports Excel DATAMART DATAMART DATAMART DATAMART Data Warehouse Unter Business Intelligence werden Methoden, Prozesse und Werkzeuge verstanden, um Unternehmensdaten zu transformieren und zu veredeln um diese zielgerichtet für Analysen und Reporting zur Verfügung zu stellen. ETL Staging ETL FILES CRM ERP ebus Infomotion GmbH

15 Web analysis and reports Standard reports Data Mining and statistics Dasboard Scorecard Cloud CRM Management Application DQ-Messpunkte BI Frontend 5 Semantic Access Layer Oper. Systems External Applications... Administration Messpunkte innerhalb der Referenzarchitektur Data Mart Data Mart Data Mart 4 Load Data Mart Load OLAP Data Propagation Data Sources (T) Working Area (TP) DWH (TP) Data Marts (TP) BI-Frontend (T) Data Warehouse 3 Dimensional Data Load Dimensional Model Normalized Data (DIS) Load DWH Load Buffer DQ Check Calculate Aggregates Calculate Measures T = Theorie P = Praxis Working Area 2 Data Transformation Data Cleansing Extraction Buffer Data Extraction Lookup Data Admin Data Infomotion GmbH Data Sources I MDM Hub Oper. System ERP Struct. Cloud Database Unstruct.

16 DQ-Kennzahlen - Beispiele Formal-Technisch Anzahl der Schlüsselverletzungen je Tabelle / Schnittstelle Anzahl Null-Werte je Attribut Anzahl der angelieferten, übernommenen und nicht übernommenen Zeilen je Tabelle / Schnittstelle Inhaltlich Wertevergleich (Einzel- und Summenwerte) zur Vorperiode Verteilung von Werten über Wertebereiche Validierung von Mininum und Maximum Qualitativ Feedback von Anwendern im Vergleich zu operativen Systemen Inhaltliche Prüfung durch fachliche Verantwortliche im BI-System Visuelle Prüfung durch Anwender Infomotion GmbH

17 Integration DQ-Komponenten in Data Warehouse Architektur Standardisierung & Noise Reduction Data Steward CRM Reporting ERP Transformation & Integration Webshop Adressvalidierung & Geo-Codierung Match & Consolidate Quality Score QUELLSYSTEME ARBEITSBEREICH QUALITY GATE DWH UND DATA MART Infomotion GmbH

18 FALLBEISPIELE Infomotion GmbH

19 Fallbeispiel 1: Bewegungsdaten ohne Stammdatenbezug AUSGANGSSITUATION Unterschiedliche Systeme liefern Stamm- und Bewegungsdaten. Teilweise verzögert sich die Bereitstellung der Stammdaten bzw. die Lieferung ist nicht vollständig. Bewegungsdatensätze werden bereitgestellt, deren referenzierten Stammdaten nicht gefunden werden können. Aufgrund der fehlenden Stammdaten werden die Bewegungsdatensätze nicht berücksichtigt und entfallen bei der weiteren Verarbeitung. Detailinformationen fehlen und Summendaten sind fehlerhaft. MÖGLICHE LÖSUNGSALTERNATIVEN Filterung / Löschung der fehlerhaften Daten Daten einlesen und Fehler als Warnung / Error Protokollieren Fehlende Werte mit Default-Werten belegen. Einführung eines Quality Stages als Zwischenstufe vor dem DWH Daten einlesen und kennzeichnen BEST PRACTICE Markierung der fehlerhaften Daten einfaches Ja/Nein oder Binär-Codierung einzelner Fehler Erzeugung von Bad Table Records Rückkopplung an Quellsystem durch organisatorische Lösung oder durch technische Rückmeldung Infomotion GmbH

20 Fallbeispiel 2: Fehlende Transparenz AUSGANGSSITUATION Fachbereiche können nicht genau einschätzen, welche Daten qualitativ hochwertig sind und welche nicht. Qualitätskennzahlen liegen nicht vor oder sind nur sehr schwierig zu interpretieren (zu technisch oder ohne Bezug zur Fachlichkeit). Ursachen der Qualitätsprobleme ist schwierig nachvollziehbar und damit schlecht zu beheben. Vertrauen in Informationen aus dem DWH sinkt oder ist nicht mehr vorhanden. MÖGLICHE LÖSUNGSALTERNATIVEN Nichts tun bzw. nur protokollieren Manuelle Überprüfung durch den Fachbereich oder einen Datenqualitätsbeauftragten Automatisierte Überprüfung, Protokollierung und Berechnung von DQ-Kennzahlen BEST PRACTICE Aufbau eines eigenen DQ-Datenbankbereichs zur Protokollierung aller relevanten Informationen. Einführen von DQ-Reports. Hierbei Definition verständlicher DQ-Kennzahlen mit Bezug zum Einsatzzweck der Daten (Fit-to- Use). Einbeziehung aller Beteiligten in die Definition des DQ-Reportings und der dafür notwendigen Kennzahlen. Etablierung von Prozessen zur Überwachung der Datenqualität und zur Behebung der Datenqualitätsprobleme (Bad Records). Gemeinsame und regelmäßige Nutzwertbetrachtung möglicher Gegenmaßnahmen. Infomotion GmbH

21 Fallbeispiel 3: Dubletten AUSGANGSSITUATION Es existieren mehrere Systeme im Unternehmen, die ähnliche oder gleiche Stammdaten enthalten. Nicht immer können diese aufgrund von eindeutigen IDs zugeordnet werden. Gesamtsumme der Bewegungsdaten stimmt nicht. Stammdaten können nicht eindeutig identifiziert werden (z.b. Anzahl Kunden stimmt nicht) MÖGLICHE LÖSUNGSALTERNATIVEN Trotzdem laden (eventuell mit einem DISTINCT im SQL) In Quellsystemen zusammenführen und erneut laden. Bei Beladung des DWH zusammenführen. BEST PRACTICE Prozess zur Clusterbildung Vorgelagerte Standardisierung notwendig. Individuelle Betrachtung aller Attribute inkl. ausgefeilte Gewichtung der Einzelattribute Einsatz von Spezialalgorithmen und Werkzeugen zur Clusterbildung - keine einfachen SQL-Statements! (Stichwort: Identity Resolution, AdressDoctor) Definition eines Treiber-Attributs zur Reduzierung der Laufzeiten. Teilautomatisierte Behebung (SEHR gut testen!) Cluster mit sehr hohen Wahrscheinlichkeiten werden automatisch konsolidiert (Aufräumen der Dimensionen und Umhängen der Fakten, Speicherung der Quellsystemschlüssel). Klare Analyse und Definition der Regeln für die Konsolidierung eines Master-Records auf Basis des Clusters Cluster mit niedrigeren Wahrscheinlichkeiten werden zur manuelle Bearbeitung ausgesteuert. Infomotion GmbH

22 DQ technischer Prozess Data Quality Monitoring Data Profiling Anreicherung (Enrichment) Validierung und Filterung (Validation) Standardisierung und Bereinigung (Cleansing) Infomotion GmbH

23 DEMO Infomotion GmbH

24 Partnerschaft zwischen Infomotion und Informatica Partnerschaft zwischen Infomotion und Informatica besteht seit 2007 Seit Anfang 2011 ist Infomotion Channel-Partner Infomotion leistest ca PT Beratung pro Jahr mit Produkten von Informatica Infomotion hat aktuell 30 Kollegen mit tiefgehendem Informatica Know-how, Tendenz steigend Data Integration Tools, 2014 Data Masking Technology, 2014 Data Quality Tools, 2014 Enterprise Integration PaaS, 2015 Infomotion GmbH

25 Ihr Kontakt für Fragen MARKUS ENDERLEIN Diplom-Wirtschaftsinformatiker (FH) Leiter Marketing und Produktmanagement INFOMOTION GMBH LUDWIGSTRASSE FRANKFURT T: +49 (0) F: +49 (0) M: +49 (0) Infomotion GmbH

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

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

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

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

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

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

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

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

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

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

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

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center Ing. Polzer Markus öffentlich Inhaltsverzeichnis 1 2 3 4 5 6 7 Kurzvorstellung Raiffeisen Solution Business Intelligence Strategie

Mehr

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

Bessere Daten durch Stammdatenmanagement

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

Mehr

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

SQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar

SQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar SQL Server 2012 und SharePoint im Unternehmenseinsatz Referent Daniel Caesar sqlxpert Daniel Caesar Publikationen Themen SQL Server Admin, Entwicklung SharePoint Admin, Entwicklung.NET Entwicklung Rechtssichere

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

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

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

Andreas Emhart Geschäftsführer Alegri International Group

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

Mehr

ETL in den Zeiten von Big Data

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

Mehr

Problemstellung. Keine Chance! Ich brauche eine genaue Spezifikation und dann vielleicht in 3-4 Wochen können Sie einen erstes Beispiel haben!

Problemstellung. Keine Chance! Ich brauche eine genaue Spezifikation und dann vielleicht in 3-4 Wochen können Sie einen erstes Beispiel haben! Take aways Mit Power BI wird Excel zum zentralen Tool für Self- Service BI End-End Self-Service Lösungsszenarien werden erstmals möglich Der Information Worker erhält ein flexibles Toolset aus bekannten

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

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

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

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

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

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

Mehr

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

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

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

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

Mehr

Marketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch

Marketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch Marketing Intelligence Übersicht über Business Intelligence Josef Kolbitsch Manuela Reinisch Übersicht Beispiel: Pantara Holding Der Begriff Business Intelligence Übersicht über ein klassisches BI-System

Mehr

Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller

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

Mehr

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

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

Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence

Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Jochen Heßler, 16.03.2015 2002 Gegründet in Freiburg, Deutschland 2002 Heute Büros in Freiburg, Frankfurt, Düsseldorf, Paris, Boston

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

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

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

Business Intelligence - Wie passt das zum Mainframe?

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

Mehr

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

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

Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15 9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics

Mehr

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

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

Wege aus dem Datenlabyrinth

Wege aus dem Datenlabyrinth Wege aus dem Datenlabyrinth - Datenqualität auf dem Prüfstand - 17. November 2009 CEA v6.4 Studie IT-Trends 2009 in Deutschland: Das BI-Top-Thema ist Datenqualität Business Intelligence: Bedeutung einzelner

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

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

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI

TRACK II Datenmanagement Strategien & Big Data Speicherkonzepte. TRACK I Big Data Analytics & Self Service BI 9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics

Mehr

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

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

Richtige und schnelle Entscheidungen trotz sich änderner Anforderungen mit Microsoft Dynamics AX und Microsoft SQL Server Reporting Services

Richtige und schnelle Entscheidungen trotz sich änderner Anforderungen mit Microsoft Dynamics AX und Microsoft SQL Server Reporting Services Launch Microsoft Dynamics AX 4.0 Richtige und schnelle Entscheidungen trotz sich änderner Anforderungen mit Microsoft Dynamics AX und Microsoft SQL Server Reporting Services Sonia Al-Kass Partner Technical

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

Ihr Partner für das Management der IT. von der Strategie bis zur Lösung

Ihr Partner für das Management der IT. von der Strategie bis zur Lösung Ihr Partner für das der IT von der Strategie bis zur Lösung Agenda In aller Kürze 1. Tätigkeitsfelder 2. Leistungen 3. Referenzen 4. Unternehmen 2015 2 Lieferanten 1. Tätigkeitsfelder Gestalten Sie die

Mehr

DATA WAREHOUSE Optimiertes und flexibles Datenmanagement für das Investment Reporting

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

Mehr

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

Location Intelligence Geodaten in der Business Intelligence Umgebung

Location Intelligence Geodaten in der Business Intelligence Umgebung Location Intelligence Geodaten in der Business Intelligence Umgebung Friedberg, 30.06.2015 Christoph Arnold Oliver Siegel Solveig Eggert Agenda Über uns BI bei Infomotion Von Geodaten zu Location Intelligence

Mehr

Wie Fusion CRM die Datenqualität im Marketingprozess erhöhen kann (Fusion CRM@ec4u)

Wie Fusion CRM die Datenqualität im Marketingprozess erhöhen kann (Fusion CRM@ec4u) Wie Fusion CRM die Datenqualität im Marketingprozess erhöhen kann (Fusion CRM@ec4u) Jeder kennt folgende Sätze aus seinem eigenen Unternehmen: Wieso sind so viele doppelte Einträge im System? Kann man

Mehr

Trends in Business Intelligence

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

Mehr

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

Michael Bauer Niederlassungsleiter Köln

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

Mehr

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft

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

Mehr

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

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

Mehr

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

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

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

Mehr

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

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

Mehr

Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware Falk Neubert, Universität Osnabrück

Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware Falk Neubert, Universität Osnabrück Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware 14. März 2013, IHK Osnabrück-Emsland-Grafschaft Bentheim Geschichte Kassenbuch des Liederkranz, 1886 Hutmachergesangvereins

Mehr

Agenda. Hype oder Mehrwert. Herausforderungen. Methoden Werkzeuge. Kosten Nutzen. Definition Ziele

Agenda. Hype oder Mehrwert. Herausforderungen. Methoden Werkzeuge. Kosten Nutzen. Definition Ziele Agenda Definition Ziele Methoden Werkzeuge Herausforderungen Kosten Nutzen Hype oder Mehrwert Definition / Ziele Google Suche: define:business Intelligence Mit Business Intelligence können alle informationstechnischen

Mehr

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

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

Mehr

Reporting mit SAP BusinessObjects

Reporting mit SAP BusinessObjects Reporting mit SAP BusinessObjects Ali Sayar Professional Consultant 21. Juni 2011 Agenda Vorstellung Infomotion Unternehmen Software-Partner Referent SAP BusinessObjects Allgemeine Informationen Überblick

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

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

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

Mehr

Wie integriert sich BI in den unternehmensweiten Softwareentwicklungsprozess? Nürnberg, 10.11.2009

Wie integriert sich BI in den unternehmensweiten Softwareentwicklungsprozess? Nürnberg, 10.11.2009 Wie integriert sich BI in den unternehmensweiten Softwareentwicklungsprozess? Nürnberg, 10.11.2009 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Anforderungen von BI an Software- Entwicklungsprozesse

Mehr

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

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

Mehr

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

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

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

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 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

Marketing Intelligence Schwierigkeiten bei der Umsetzung. Josef Kolbitsch Manuela Reinisch

Marketing Intelligence Schwierigkeiten bei der Umsetzung. Josef Kolbitsch Manuela Reinisch Marketing Intelligence Schwierigkeiten bei der Umsetzung Josef Kolbitsch Manuela Reinisch Übersicht Schwierigkeiten bei der Umsetzung eines BI-Systems Schwierigkeiten der Umsetzung 1/13 Strategische Ziele

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

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

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

ETL Monitoring & Tuning durch Auswertung der OWB Laufzeit-Metadaten. Referent: Lutz Bauer, Leiter CC Data Integration, MT AG

ETL Monitoring & Tuning durch Auswertung der OWB Laufzeit-Metadaten. Referent: Lutz Bauer, Leiter CC Data Integration, MT AG ETL Monitoring & Tuning durch Auswertung der OWB Laufzeit-Metadaten Referent: Lutz Bauer, Leiter CC Data Integration, MT AG MT AG managing technology Key-facts: 1994: Gründung als MT Software GmbH 2000:

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

Digitalisierung wie aus einer Strategie Realität wird.

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

Mehr

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

Process Intelligence oder: wie durchleuchtet man ein IT-System mit Hilfe von IBO

Process Intelligence oder: wie durchleuchtet man ein IT-System mit Hilfe von IBO Process Intelligence oder: wie durchleuchtet man ein IT-System mit Hilfe von IBO Markus Witschi Betriebsverantwortlicher KMU Swisscom (Schweiz) AG Wien, 25. Juni 2014 Zürich, 7. Juli 2014 Inhalt Ausgangslage

Mehr

Sicherstellung der Strategiekonformität von IT-Projekten

Sicherstellung der Strategiekonformität von IT-Projekten MKWI 2006, Passau am 21.02.2006 Sicherstellung der Strategiekonformität von IT-Projekten Michael Durst, Jochen Gary Track: IT-Beratung - Aufgaben und Herausforderungen Prof. Dr. Freimut Bodendorf Agenda

Mehr

Kluge Entscheidung! Business Intelligence für Mittelstand und Fachabteilungen

Kluge Entscheidung! Business Intelligence für Mittelstand und Fachabteilungen Kluge Entscheidung! Business Intelligence für Mittelstand und Fachabteilungen Von Cubeware bekommen Sie alles, was Sie für leistungsstarke BI-Lösungen brauchen. 2 Cubeware steht für Erfahrung, Know-how

Mehr

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

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

Mehr

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

Mehrwerte schaffen durch den Einsatz von Business Intelligence

Mehrwerte schaffen durch den Einsatz von Business Intelligence Mehrwerte schaffen durch den Einsatz von Business Intelligence 1 Menschen beraten Menschen beraten BTC zeigt Wege auf - Sie entscheiden BTC zeigt Wege auf - Sie entscheiden Martin Donauer BTC Business

Mehr

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

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

Mehr

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

OLAP im IT-Management. Dr. Markus Eberspächer, yourdata GmbH, 05. November 2008

OLAP im IT-Management. Dr. Markus Eberspächer, yourdata GmbH, 05. November 2008 OLAP im IT-Management Dr. Markus Eberspächer, yourdata GmbH, 05. November 2008 Inhalt 1. OLAP 2. Einsatz im CRM 3. Einsatz im IT-Management 4. Produkt 2 In eigener Sache? Gegründet 01. Januar 2008 als

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

software, hardware und wissen für business intelligence lösungen software, hardware and knowledge for business intelligence solutions

software, hardware und wissen für business intelligence lösungen software, hardware and knowledge for business intelligence solutions software, hardware und wissen für business intelligence lösungen software, hardware and knowledge for business intelligence solutions Vom OLAP-Tool zur einheitlichen BPM Lösung BI orientiert sich am Business

Mehr

Big Data, small Data und alles dazwischen!

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

Mehr

FREUDENBERG IT. Mobile Business Intelligence

FREUDENBERG IT. Mobile Business Intelligence FREUDENBERG IT Mobile Business Intelligence Mobile Business Intelligence AGENDA Herausforderung mobiler Lösungen Vorstellung der Produkte Freudenberg ITs Lösungen Warum SAP? Herausforderung mobiler Lösungen

Mehr

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO

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

Mehr

Einsatz des Microsoft SQL-Servers bei der KKH

Einsatz des Microsoft SQL-Servers bei der KKH Einsatz des Microsoft SQL-Servers bei der KKH Reporting Services und Analysis Services Kontaktdaten Detlef André Abteilungsleiter Data Warehouse E-Mail detlef.andre@kkh.de Telefon 0511 2802-5700 Dr. Reinhard

Mehr