Motivation für Datawarehouse. Data Warehouse Systeme. Data-Warehouse Systeme

Größe: px
Ab Seite anzeigen:

Download "Motivation für Datawarehouse. Data Warehouse Systeme. Data-Warehouse Systeme"

Transkript

1 Data-Warehouse Systeme A.Kaiser; WU-Wien MIS 210 Data Warehouse Systeme Ein Data Warehouse ist ein umfassendes Konzept zur Entscheidungsunterstützung von Mitarbeitern aller Bereiche und Ebenen. Kern ist eine integrierte DB mit entscheidungsrelevanter Information über die Geschäftsfelder, die aus den operativen Datenbanken und externen Quellen bedarfsgerecht gewonnen wird. Der direkte Zugriff wird den Benutzern durch einen Informationskatalog (Metadatenbank) erleichtert, der über die Inhalte, Formate und Auswertungsmöglichkeiten des Date Warehouse Auskunft gibt. Eine dritte wesentliche Komponente sind die Software-werkzeuge und Anwendungsprogramme (z.b. EIS), mit denen die Daten abgefragt, transformiert und präsentiert werden. A.Kaiser; WU-Wien MIS 211 Motivation für Datawarehouse Essentielle Informationen müssen für Mitarbeiter jederzeit und vollständig zugänglich sein Dies ist in heutigen Organisationen oft nicht der Fall, obwohl diese Informationen prinzipiell vorhanden sind A.Kaiser; WU-Wien MIS 212 1

2 Motivation für Datawarehouse Erfolgsfaktor Information Das Vorhandensein aussagekräftiger Fakten wird immer wichtiger für die Entscheidungsfindung, um auf dem Markt reagieren zu können Angebote auf individuelle Bedürfnisse der Kunden anzupassen A.Kaiser; WU-Wien MIS 213 Motivation für Datawarehouse existierende Probleme Für veraltete Systeme gibt es oft keine komfortablen Abfragewerkzeuge Es stehen keine Ressourcen zur Verfügung, um die für die Analysen notwendigen Reports zu generieren chaotisches Wachstum der EDV-Infrastruktur in vielen Organisationen erschwert Zugriff auf verteilte Information Mangel an Analysewerkzeugen, um aus Rohdaten entscheidungsrelevante Informationen zu erzeugen A.Kaiser; WU-Wien MIS 214 Die Data-Warehouse-Metapher Zentrale Sammelstelle für verteilte Informationen Aufbereiten und Aussondern wertvoller Informationen aus dem Datenmüll Data Warehouses zur allgemeinen Disposition für Mitarbeiter in unterschiedlichen Hierarchieebenen A.Kaiser; WU-Wien MIS 215 2

3 Data Warehouse - Definition Mit dem Begriff Data Warehouse (DW) wird eine von den operationalen DV- Systemen isolierte Datenbank umschrieben, die als unternehmensweite Datenbasis für das gesamte Spektrum managementunterstützender Informationssysteme dient. Trennung operationale DV-Systeme - DW A.Kaiser; WU-Wien MIS 216 Data Warehouse - Merkmale Orientierung an den unternehmensbestimmenden Sachverhalten subjektorientiert Zeitraumbezug zeitabhängig Struktur- und Formatvereinheitlichung integriert und vereinheitlicht Nicht-Volatilität (nur lesender Zugriff) beständig bzw. dauerhaft A.Kaiser; WU-Wien MIS 217 subjektorientiert Orientierung an den unternehmensbestimmenden Sachverhalten typische Subjekte der Betrachtung: Kunden Produkte Lieferanten Fokussierung auf inhaltliche Kernbereich der Organisation A.Kaiser; WU-Wien MIS 218 3

4 integriert und vereinheitlicht einheitliche Konventionen bezüglich Namensgebung, Datenattributen, etc. einheitliche Datenformate (z.b. Werteinheiten) semantische Integrität (z.b. Angleichen unterschiedlicher Kontenrahmen, Währungsumrechnung) Ziel ist eine konsistente Datenmenge im Datawarehouse A.Kaiser; WU-Wien MIS 219 beständig dauerhaft Speicherung über größere Zeiträume wichtigsten Operationen sind das Datenladen und die Datenabfrage A.Kaiser; WU-Wien MIS 220 zeitabhängig es werden Daten benötigt, welche die Entwicklung des Unternehmens über einen bestimmten Zeitraum repräsentieren und damit zum Erkennen von Trends herangezogen werden können Einbindung des betrachteten Zeitraums (z.b. Tag, Woche, Monat) in die entsprechenden Schlüssel der Daten; Erweiterung der Schlüssel um Zeitmarken A.Kaiser; WU-Wien MIS 221 4

5 zeitabhängig Unterscheidung in zeitunabhängige Größen (Attribute) zeitabhängige Größen (Attribute) weitere feinere Aufteilung möglich A.Kaiser; WU-Wien MIS 222 Data Warehouse - Komponenten Datenbasis Datenverdichtung und Granularität Partitionierung Denormalisierung Transformationsprogramme ( Datenpumpen ) Meta-Daten A.Kaiser; WU-Wien MIS 223 Daten im Data Warehouse unternehmensinterne Daten aus den operationalen DV-Systemen des Unternehmens unternehmensexterne Daten von Quellen ausserhalb des Unternehmens A.Kaiser; WU-Wien MIS 224 5

6 Data Warehouse - Datenbasis Kern des DW-Konzepts Verdichtung und Granularität Datenredundanzen werden dabei bewußt in Kauf genommen um die Antwortzeiten gering zu halten. Mit steigender Verdichtung der Daten wird eine höhere Granularität erreicht. Granularität wirkt sich auf den benötigten Speicherplatzbedarf aus. Möglichst hohe Granularität aus dv-technischer Sicht vorteilhaft. Möglichst niedrige Granularität aus der Sicht der Entscheidungsträger vorteilhaft (Möglichkeiten sehr detaillierter Auswertungen und Analysen) A.Kaiser; WU-Wien MIS 225 Data Warehouse - Datenbasis Mehrstufige Granularität - Verdichtung steigt mit zunehmenden Alter der Daten z.b. Daten des laufenden Monats und des letzten Monats mit sehr niedriger Granularität. Archivierung der nicht mehr aktuellen Daten mit sehr niedriger Granularität und Verdichtung der Daten zu höherer Granularität im Datawarehouse. A.Kaiser; WU-Wien MIS 226 Data Warehouse - Datenbasis Der Einsatz der mehrstufigen Granularität gewährleistet eine schnelle Verarbeitung von über 95% der benötigten Auswertungen und Analysen durch die direkt zu Verfügung stehenden Daten. Bei weniger als 5% der Auswertungen muß auf die archivierten Datenbestände zurückgegriffen werden. A.Kaiser; WU-Wien MIS 227 6

7 Data Warehouse - Datenbasis Partitionierung der gesamte Datenbestand im DW wird in mehrere kleine, physisch selbständige Partitionen mit redundanzfreien Datenbeständen aufgeteilt. Im betriebswirtschaftlichen Kontext kann zwischen einer horizontalen und einer vertikalen Partitionierung der Daten unterschieden werden. A.Kaiser; WU-Wien MIS 228 Data Warehouse - Datenbasis Horizontale Partitionierung: alle Partitionen haben selbe Datenstruktur (Unterteilung z.b. in Mutter- und Tochterunternehmen oder in Zeiträume) Vertikale Partitionierung: Unterteilung in Anlehnung an unternehmensbestimmende Sachverhalte. Die Aufteilung erfolgt - betrachtet man eine Relation - spaltenweise. A.Kaiser; WU-Wien MIS 229 Datenbasis Verdichtungsstufe n Verdichtungsstufe 2 Verdichtungsstufe 1 Meta- Daten unternehmensexterne Daten Transformations programme unternehmensexterne Daten archivierte Detaildaten A.Kaiser; WU-Wien MIS 230 7

8 Data Warehouse - Datenbasis Denormalisierung: Normalformen in RDBMS zur Gewährleistung von Integrität und Datenkonsistenz. Ziel der Denormalisierung ist die Reduktion der Datenbankzugriffe und damit eine Verbesserung des Antwortzeitverhaltens. Im DW möglich, da i.d.r. nur lesender Zugriff. A.Kaiser; WU-Wien MIS 231 Data Warehouse - Transformationsprogramme Übernahme unternehmensinterner und - externer Daten. Maßgeblicher Einfluß auf die Qualität der Daten in der Datenbasis. Einsatz der Datenpumpen an den Input- Schnittstellen zu den operationalen DV- Systemen und den unternehmensexternen Datenquellen. A.Kaiser; WU-Wien MIS 232 Data Warehouse - Transformationsprogramme 2 Schritte: 1 Zusammenführung der Daten aus den unterschiedlichen Quellsystemen (relationale, hierarchische DB, Dateien, etc.) unter technischen Gesichtspunkten. 2 Aufbereitung der Daten unter anwendungsorientierten, betriebswirtschaftlichen Kriterien. Regeln, Zuordnungen und Definitionen sind in den Meta-Daten hinterlegt. A.Kaiser; WU-Wien MIS 233 8

9 Data Warehouse - Transformationsprogramme Gewinnung unternehmensinterner Daten zum überwiegenden Teil aus den operationalen DV-Systemen Verschiedene Verfahrensweisen Zeitmarken; Protokolldatei, in der Änderungen in den operationalen Datenbeständen mitgeführt werden; etc. A.Kaiser; WU-Wien MIS 234 Data Warehouse - Transformationsprogramme Gewinnung unternehmensexterner Daten Nachrichtendienste von Wirtschaftsverbänden, politische Informationsdienste, Markt- Meinungs- und Trendforschungsinstitute, Medienanalysen, selbst in Auftrag gegebene Studien und Untersuchungen, etc. unstrukturiert, unterschiedliche Form; Überführung in das DW entweder in digitalisierter Form als separates Dokument A.Kaiser; WU-Wien MIS 235 Data Warehouse - Transformationsprogramme oder Belassen in ursprünglicher Form und Speicherung in geeigneten Archiven um sie den Entscheidungsträgern zur Verfügung zu stellen. Zeitraumbezug der unternehmensexternen Daten ist von Bedeutung; Verwendung von Zeitmarken A.Kaiser; WU-Wien MIS 236 9

10 Data Warehouse - Transformationsprogramme Frequenz für die Aktualisierung des DW wird durch betriebswirtschaftliche Anforderungen und DV-technische Voraussetzungen des Unternehmens bestimmt bei jeder Änderung in den Quelldaten periodisch nach vordefinierten Zeitpunkten manuell gesteuert A.Kaiser; WU-Wien MIS 237 Data Warehouse - Meta-Daten Daten über Daten; Abstraktion betrieblicher Datenobjekte In vielen Softwaresystemen von Bedeutung DB-Systeme, ER-Diagramme, Funktionsbäume, Data-Dictonaries, Repositories, etc. z.b. 12/6/97 12.Juni 1997 oder 6.Dezember 1997 vgl. auch Informationstheorie A.Kaiser; WU-Wien MIS 238 Data Warehouse - Meta-Daten Operationale Meta-Daten umfassen Informationen über die operationalen Systeme (z.b. Namen der Originaldatenquellen), die Datenstrukturen (Feldbezeichnungen), Dateiorganisationsformen, Informationen über den Transformationsprozess, Informationen über die Zieldatenquelle A.Kaiser; WU-Wien MIS

11 Data Warehouse - Meta-Daten DSS-Meta-Daten verbinden die physischen Daten des DW mit dem konzeptionellen Geschäftsprozessmodell und den Front-End- Tools der Endbenutzer Dazu werden Angaben über Speicherungsorte und -strukturen im DW benötigt, um aus den dort verfügbaren Daten sinnvolle Informationen über Geschäftsprozesse ableiten zu können. A.Kaiser; WU-Wien MIS 240 Data Warehouse - Meta-Daten Meta-Daten speichern Daten über das dem DW zugrundeliegende Datenmodell sowie eine semantische und eine DV-technische Beschreibung aller gespeicherten Daten die Herkunft der Daten Informationen über den gesamten Transformationsprozess die Abbildung aller vorhandenen Verdichtungsstufen einschl. des zeitlichen Ablaufs der Verdichtung A.Kaiser; WU-Wien MIS 241 Data Warehouse - Meta-Daten bestehende Auswertungen und Analysen, die als Mustervorlage für andere Aufgaben dienen die Daten aus den externen Quellen, versehen mit einem entsprechenden Eintrag über Inhalt, Quelle, Datum, Form, Archivierungsort und Querverweisen auf bereits vorhandene Dokumente Verzeichnis der Integritätsbedingungen Cross-Referenz-Tabellen Meta-Daten = intelligentes Inhaltsverzeichnis, Lexikon, Thesaurus, Glossar A.Kaiser; WU-Wien MIS

12 ??? Zusammenfassung, Ergänzung, Querverbindungen, Beispiele A.Kaiser; WU-Wien MIS 243 Data Warehouse Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle Lösung. Daher ist es auch besser vom Data Warehouse-Konzept zu sprechen. A.Kaiser; WU-Wien MIS 244 Data Warehouse - Architektur Direkter Zugriff Data Mart Data Mart ODS Data Warehouse i.e.s. Meta-Daten Interne Datenquellen RDBMS DBMS... Externe Datenquellen A.Kaiser; WU-Wien MIS

13 Aufgaben eines Data Warehouse Extraktion von Informationen aus den operativen Systemen in regelmäßigen Abständen Integration in einer Sekundärdatenbank Bereinigung Filterung nach Wichtig/Unwichtig thematische Ordnung Analysewerkzeuge fokussieren auf relevante Information A.Kaiser; WU-Wien MIS 246 Datenbankmodell I.d.R. konventionelle RDBMS multidimensionale Datenbanksysteme Speicherung der Daten in Form sog. Hypercubes (mehrdimensionale Würfel) zur Auswertung der Daten mit Hilfe von OLAP- Systemen Simulation der Multidimensionalität durch RDBMS ( virtuell multidimensional) A.Kaiser; WU-Wien MIS 247 Relationale Dbs vs. Data Warehouse RDBMS orientieren sich an den Geschäftsobjekten und betrieblichen Vorgängen große Zahl von Benutzern greift zu (meist in kurzen Transaktionen) einfache Operationen mit vielen Änderungen hohe Anforderungen an Verfügbarkeit (OLTP) A.Kaiser; WU-Wien MIS

14 Relationale Dbs vs. Data Warehouse DW sollen flexible Unterstützung in verschiedenen Entscheidungssituationen liefern unterschiedliche Experten haben unterschiedliche Bezugsgrößen und Dimensionen Ausnutzung aller im Unternehmensnetz verstreuten und externen Quellen A.Kaiser; WU-Wien MIS 249 Operative vs. DW-Datenbestände Detaillierte Daten aktuelle Daten ständig aktualisiert Transaktionen hohe Verfügbarkeit statisch kleine Mengen pro Prozeß Verdichtete Daten hist. + aktuelle Daten sporadisch aktualisiert Analysen geringe Verfügbarkeit flexibel große Mengen pro Prozeß A.Kaiser; WU-Wien MIS 250 Beispiele Produktmanager: Verkaufszahlen eines Produkts in allen Absatzgebieten über sämtliche Monate Finanzbeauftragter: alle Produkte in allen Gebieten pro Monat Gebietsleiter: alle Produkte in allen Monaten in einem Gebiet auch: Kunden, Filialen, Produktionsstandorte etc. A.Kaiser; WU-Wien MIS

15 Beispiel: Bank Beim täglichen Betrieb entstehen laufend Informationen, die sehr aufschlußreich sein können und in neuen Zusammenhängen verwendet werden können: Informationen über die Kunden Kontoformen und -bewegungen Sparformen und -aktivitäten Kreditwesen etc. A.Kaiser; WU-Wien MIS 252 Beispiel: Bank Informationen Kundenprofil Ableitung geeigneter Werbemaßnahmen Kreditwürdigkeitsprüfung etc. A.Kaiser; WU-Wien MIS 253 Der Produktmanager ist verzweifelt. In zwei Tagen muß er seinem Chef die Absatzentwicklung des von ihm betreuten Fruchtquarks präsentieren. Doch ihm fehlen die Zahlen der letzten sechs Monate! Aus dem Vertrieb hat er nur vage gehört, daß der Umsatz im Osten eingebrochen sei. Wie soll er das nur erklären? Der EDV-Bearbeiter hat auf seine Anfragen nur abgewunken: Den Bericht können Sie frühestens in zwei Wochen haben. Blieb wieder nur eine ungenaue Hochrechnung aus den alten Zahlen. Doch daß sich diese bewahrheitet, war von vornherein wenig wahrscheinlich - schließlich hat der Erzrivale zwei neue Konkurrenzprodukte herausgebracht. Und wie war der Quark ob der veränderten Marktsituation neu zu positionieren? (Quelle: ct März 1997,284) A.Kaiser; WU-Wien MIS

16 Anforderungen an DW Multidimensionales Datenmodell (d.h. mehrschichtiger Datenraum mit allen relevanten Unternehmensmerkmalen) Skalierbarkeit (z.b. Zeit: Tage, Wochen, Monate oder kumulierte Werte) A.Kaiser; WU-Wien MIS 255 DW-Modell Produkte und Monate für 1 Gebiet Monat Gebiete und Monate für 1 Produkt Produkte und Gebiete für 1 Monat Produkt Absatzzahlen Gebiet Alle Produkte Alle Gebiete Alle Monate A.Kaiser; WU-Wien MIS 256 Werkzeuge Report- und Abfrage Statistik OLAP Data Mining Dokumenten-Retrieval aktive Filter Prozeßmodellierung geograph. IS Führungsinformation Entscheidungsunterstützung abteilungsspez. Tools industriespez. Tools A.Kaiser; WU-Wien MIS

17 Report- und Anfragetools Auf Abfrage- und Berichterzeugung spezialisierte Tools direkte und indirekte Benutzung von SQL A.Kaiser; WU-Wien MIS 258 Statistische Auswertung der Daten Mittelwerte Streuung Prüftests Regressionsanalyse Zeitreihenanalyse Korrelationsanalyse (zw. Werbung und Absatzzahlen) A.Kaiser; WU-Wien MIS 259 Aufgabenstellung Sie sind Mitarbeiter in einem großen Betrieb der Reisebranche Reisebüro Veranstaltungsmanagement Durchführung von Reisen und Events Zukauf von externen Anbietern etc. Brainstorming für den Aufbau eines DW-Systems: welche Komponenten (Daten, Info, intern, extern) --> Motivation welche Auswertungsmöglichkeiten --> Motivation A.Kaiser; WU-Wien MIS

Data Warehouse Systeme

Data Warehouse Systeme Data-Warehouse Systeme A.Kaiser; WU-Wien MIS 210 Data Warehouse Systeme Ein Data Warehouse ist ein umfassendes Konzept zur Entscheidungsunterstützung von Mitarbeitern aller Bereiche und Ebenen. Kern ist

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

MIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001

MIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001 MIS Glossar by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001 Aggregat Data Cube Data Marts Data Mining Data Warehouse (DWH) Daten Decision Support Systeme (DSS)

Mehr

Einführungsveranstaltung: Data Warehouse

Einführungsveranstaltung: Data Warehouse Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring

Mehr

Logische Modellierung von Data Warehouses

Logische Modellierung von Data Warehouses Logische Modellierung von Data Warehouses Vertiefungsarbeit von Karin Schäuble Gliederung. Einführung. Abgrenzung und Grundlagen. Anforderungen. Logische Modellierung. Methoden.. Star Schema.. Galaxy-Schema..

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

WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE'

WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE' Take control of your decision support WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE' Sommersemester 2008 Gliederung Business Intelligence und Data Warehousing On-Line Analytical Processing Ziel

Mehr

Einführung in OLAP und Business Analysis. Gunther Popp dc soft GmbH

Einführung in OLAP und Business Analysis. Gunther Popp dc soft GmbH Einführung in OLAP und Business Analysis Gunther Popp dc soft GmbH Überblick Wozu Business Analysis mit OLAP? OLAP Grundlagen Endlich... Technischer Background Microsoft SQL 7 & OLAP Services Folie 2 -

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

Mehr

Kapitel 2 Terminologie und Definition

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

Mehr

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

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

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

IT-Kompaktkurs. Data Warehouse Datenbank-Skript zur Folge 14. Prof. Dr. Michael Ponader Fachhochschule Deggendorf

IT-Kompaktkurs. Data Warehouse Datenbank-Skript zur Folge 14. Prof. Dr. Michael Ponader Fachhochschule Deggendorf IT-Kompaktkurs Data Warehouse Datenbank-Skript zur Folge 14 Prof. Dr. Michael Ponader Fachhochschule Deggendorf Datenbanken sind eine wesentliche Grundlage für die betriebliche Informationsversorgung.

Mehr

Summary... 4. Keywords... 4. Granularität der Daten... 5. Mit Vorverdichtung hochaggregierte Daten bereithalten... 6

Summary... 4. Keywords... 4. Granularität der Daten... 5. Mit Vorverdichtung hochaggregierte Daten bereithalten... 6 Inhaltsverzeichnis Summary... 4 Keywords... 4 Granularität der Daten... 5 Mit Vorverdichtung hochaggregierte Daten bereithalten... 6 Partitionierung der Datenbestände... 7 Vergrößerter Aktionsradius von

Mehr

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

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

Mehr

1 Einführung. Unbekannte Begriffe: Business Intelligence, Knowledge Management, Unternehmensportale, Information Warehouse.

1 Einführung. Unbekannte Begriffe: Business Intelligence, Knowledge Management, Unternehmensportale, Information Warehouse. 1 Einführung mysap Business Intelligence stellt mit Hilfe von Knowledge Management die Verbindung zwischen denen, die etwas wissen und denen, die etwas wissen müssen her. mysap Business Intelligence integriert

Mehr

Berichtswesen und Managementinformationssystem

Berichtswesen und Managementinformationssystem Universitätslehrgang Controlling Berichtswesen und Managementinformationssystem Controller s Datentechnik SS 2005 Trainer : Dipl.Ing. Gerfried Lovrecki Controller s Datentechnik OLAP 1. Überblick In großen

Mehr

2.8. Business Intelligence

2.8. Business Intelligence 2.8. Zulieferer BeschaffungProduktion Kunde E-Procurement Customer Relationship (CRM) Supply Chain (SCM) Enterprise Resource Planning (ERP) Executive Information (EIS) Executive Support (ESS) Chef-Informations-

Mehr

Komponenten und Architekturen von Analytischen Informationssystemen (AIS)

Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Melanie Pfoh Konsultation 27. Juni 2013 Hinweis Diese Folien ersetzen keinesfalls den Übungsstoff des zugehörigen e-learning-kurses.

Mehr

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

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

Mehr

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

Kapitel 4: Data Warehouse Architektur

Kapitel 4: Data Warehouse Architektur Data Warehousing, Motivation Zugriff auf und Kombination von Daten aus mehreren unterschiedlichen Quellen, Kapitel 4: Data Warehousing und Mining 1 komplexe Datenanalyse über mehrere Quellen, multidimensionale

Mehr

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06 Business Intelligence Data Warehouse / Analyse Sven Elvers 2005-07-06 Einleitung Dieses Dokument beschreibt einen für das Verständnis relevanten Teil der Präsentation. Business Intelligence Motivation

Mehr

Umsetzung der Anforderungen - analytisch

Umsetzung der Anforderungen - analytisch Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird

Mehr

Business Intelligence

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

Mehr

Mit Transbase Hypercube Data Warehouse Anwendungen effizient betreiben. Die Hypercube-Technologie

Mit Transbase Hypercube Data Warehouse Anwendungen effizient betreiben. Die Hypercube-Technologie Mit Transbase Hypercube Data Warehouse Anwendungen effizient betreiben Transbase Hypercube ist eine Transbase -Option, die die innovative Hypercube-Technologie für komplexe analytische Anwendungen (OLAP)

Mehr

Logistikinformationssystem (LIS)

Logistikinformationssystem (LIS) und steuerung Das Logistikinformationssystem umfasst die folgenden Informationssysteme: Vertriebsinformationssystem Einkaufsinformationssystem Bestandscontrolling Fertigungsinformationssystem Instandhaltungsinformationssystem

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

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

Aufbau eines Data Warehouse für den Lebensmitteleinzelhandel

Aufbau eines Data Warehouse für den Lebensmitteleinzelhandel Die Fallstudie aus der Wirtschaftsinformatik: Aufbau eines Data Warehouse für den Lebensmitteleinzelhandel Dipl.-Kfm. Carsten Bange, Dr. Heiko Schinzer, Würzburg 1. Ausgangssituation Der hohe Wettbewerbsdruck

Mehr

Einsatz von Anwendungssystemen

Einsatz von Anwendungssystemen Einsatz von Anwendungssystemen WS 2013/14 7 Führungssysteme 7.1 Data Warehouse 7.2 Planungssysteme 7.3 Balanced Scorecard (BSC) 7.4 Business Intelligence 7 Führungssysteme 7.1 Data Warehouse Ein Data Warehouse

Mehr

Business Intelligence. Business Intelligence Seminar, WS 2007/08

Business Intelligence. Business Intelligence Seminar, WS 2007/08 Business Intelligence Seminar, WS 2007/08 Prof. Dr. Knut Hinkelmann Fachhochschule Nordwestschweiz knut.hinkelmann@fhnw.ch Business Intelligence Entscheidungsorientierte Sammlung, Aufbereitung und Darstellung

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

Softwaretool Data Delivery Designer

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

Mehr

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

Data Warehousing: Anwendungsbeispiel

Data Warehousing: Anwendungsbeispiel Frühjahrsemester 2012 cs242 Data Warehousing / cs243 Datenbanken Kapitel 1: Einführung H. Schuldt Data Warehousing: Anwendungsbeispiel Tresgros Tresgros Tresgros Filiale Muttenz Filiale Allschwil Filiale

Mehr

Data Warehousing. Kapitel 1: Data-Warehousing-Architektur. Folien teilweise übernommen von Matthias Gimbel

Data Warehousing. Kapitel 1: Data-Warehousing-Architektur. Folien teilweise übernommen von Matthias Gimbel Data Warehousing Kapitel 1: Data-Warehousing-Architektur Folien teilweise übernommen von Matthias Gimbel 2 Analyse von Geschäftsprozessen Mögliche Fragestellungen Wie entwickelt sich unser Umsatz im Vergleich

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

Intelligente Kanzlei

Intelligente Kanzlei Seite 1 von 5 Intelligente Kanzlei Datawarehouse und OLAP in der Steuerkanzlei Notwendigkeit eines Kanzleiinformationssystems Seit einigen Jahren sind enorme Veränderungen am Beratungsmarkt durch einen

Mehr

Data Warehouse und ETL. Einführung und Überblick

Data Warehouse und ETL. Einführung und Überblick Data Warehouse und ETL Einführung und Überblick Data Warehouse Definition I A subject-oriented, integrated, non-volatile, time-variant collection of data organized to support management needs Inmon, Database

Mehr

eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator

eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator Agenda Was ist Business Intelligence? Was ist OLAP? Unterschied zwischen OLAP und OLTP? Bestandteile

Mehr

Management Support Systeme

Management Support Systeme Folie 1 Management Support Systeme Literatur zur Vorlesung MSS Gluchowski, Peter; Gabriel, Roland; Chamoni, Peter (1997): Management Support Systeme. Computergestützte Informationssysteme für Führungskräfte

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

ENTERBRAIN Reporting & Business Intelligence

ENTERBRAIN Reporting & Business Intelligence Überblick Vorhandene Listen/Analysen in ENTERBRAIN Die Daten in ENTERBRAIN Das Fundament des BI - Hauses Details zur ENTERBRAIN Staging Area Reports und Cubes auf Basis der Staging Area Data Mining mit

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

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

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

Relationale Datenbanken Datenbankgrundlagen

Relationale Datenbanken Datenbankgrundlagen Datenbanksystem Ein Datenbanksystem (DBS) 1 ist ein System zur elektronischen Datenverwaltung. Die wesentliche Aufgabe eines DBS ist es, große Datenmengen effizient, widerspruchsfrei und dauerhaft zu speichern

Mehr

Data Warehouse und Data Mining

Data Warehouse und Data Mining Data Warehouse und Data Mining Seminararbeit von Christian Hägele im Februar 2004 Betreuer: Dr. M. Grabert Inhaltsverzeichnis 1 Einführung 1 2 Data Warehouse 3 2.1 Warum Data Warehouse?........................

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

FAGUS Paper Data Cubes

FAGUS Paper Data Cubes FAGUS Paper Data Cubes v5 Dynamische Datenanalyse auf Basis von FAGUS Paper.v5 und Microsoft Analysis Services 2 FAGUS Paper Data Cubes Data Mining Nutzen Sie den Mehrwert Ihrer IT Jeden Tag werden in

Mehr

Möglichkeiten für bestehende Systeme

Möglichkeiten für bestehende Systeme Möglichkeiten für bestehende Systeme Marko Filler Bitterfeld, 27.08.2015 2015 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda Gegenüberstellung Data Warehouse Big Data Einsatz-

Mehr

Definition Informationssystem

Definition Informationssystem Definition Informationssystem Informationssysteme (IS) sind soziotechnische Systeme, die menschliche und maschinelle Komponenten umfassen. Sie unterstützen die Sammlung, Verarbeitung, Bereitstellung, Kommunikation

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

Solution for Business Intelligence. MID Insight 2013

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

Mehr

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

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

Mehr

Business Intelligence Praktikum 1

Business Intelligence Praktikum 1 Hochschule Darmstadt Business Intelligence SS 2014 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 07.05.2014 Business Intelligence Praktikum

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendung 1 MInf1 HAW Hamburg Betreuender Professor: Prof. Dr. Zukunft by Jason Hung Vuong [12] Gliederung 1. Hamburg Energie Kooperation 2. Motivation 3. Business Intelligence 4.

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

Vorlesung Datenbankmanagementsysteme. Vorlesung Datenbankmanagementsysteme Überblick M. Lange, S. Weise Folie #0-1

Vorlesung Datenbankmanagementsysteme. Vorlesung Datenbankmanagementsysteme Überblick M. Lange, S. Weise Folie #0-1 Vorlesung Datenbankmanagementsysteme Vorlesung Datenbankmanagementsysteme Überblick M. Lange, S. Weise Folie #0-1 Vorlesung Datenbankmanagementsysteme Überblick M. Lange, S. Weise Folie #0-2 Bioinformatik:

Mehr

Non-Profit-Organisationen: Vom Controlling zum Strategischen Management

Non-Profit-Organisationen: Vom Controlling zum Strategischen Management Non-Profit-Organisationen: Vom Controlling zum Strategischen Management Einordnung der Begriffe Business Intelligence Strategic Association Management Controlling and Data Warehousing Data Mining, Knowledge

Mehr

Data Warehousing und BI

Data Warehousing und BI Data Warehousing und BI IT-Spezialisierung Informationswirtschaft Vertiefungskurs VI Seminararbeit Betreuer: Priv. Doz. Dr. Michael Hahsler Christian Deutsch 03.07. 2007 Abstract Die vorliegende Arbeit

Mehr

SAP BI Business Information

SAP BI Business Information Aus der Praxis für die Praxis. SAP BI Business Information Thomas Wieland Berlin, 24. November 2006 SAP BW Architektur Seite 2 Business Intelligence Aufgaben Bereitstellung harmonisierter Daten, Informationen

Mehr

Software-Engineering und Datenbanken

Software-Engineering und Datenbanken Software-Engineering und Datenbanken Prof. Dr. Bernhard Schiefer bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer Prof. Dr. Bernhard Schiefer 1-1 Wesentliche Inhalte Begriff DBS Datenbankmodelle

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

Data Warehouse Technologien

Data Warehouse Technologien mitp Professional Data Warehouse Technologien von Veit Köppen, Gunter Saake, Kai-Uwe Sattler 2. Auflage 2014 Data Warehouse Technologien Köppen / Saake / Sattler schnell und portofrei erhältlich bei beck-shop.de

Mehr

Anwendertage WDV2012

Anwendertage WDV2012 Anwendertage WDV2012 28.02.-01.03.2013 in Pferdingsleben Thema: Business Intelligence mit Excel 2010 Referent: Dipl. Wirtsch.-Inf. Torsten Kühn PRAXIS-Consultant Alles ist möglich! 1 Torsten Kühn Dipl.

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

Spezialisierung Business Intelligence

Spezialisierung Business Intelligence Spezialisierung Business Intelligence Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg peter.becker@h-brs.de 10. Juni 2015 Was ist Business Intelligence? Allgemein umfasst der Begriff Business

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

Business Intelligence Funktionsweise und technische Grundlagen

Business Intelligence Funktionsweise und technische Grundlagen Business Intelligence Funktionsweise und technische Grundlagen Whitepaper 1/5 HINTERGRUND Die richtige Information zur richtigen Zeit abrufen zu können kann für ein Unternehmen entscheidend sein. Doch

Mehr

SQL Server 2012. Administration, Entwicklung und Business Intelligence. Roland Bauch. 1. Ausgabe, Mai 2012. Der kompakte Einstieg SQL2012A

SQL Server 2012. Administration, Entwicklung und Business Intelligence. Roland Bauch. 1. Ausgabe, Mai 2012. Der kompakte Einstieg SQL2012A SQL Server 2012 Roland Bauch 1. Ausgabe, Mai 2012 Administration, Entwicklung und Business Intelligence Der kompakte Einstieg SQL2012A 2 SQL Server 2012 - Administration, Entwicklung und Business Intelligence

Mehr

Business Intelligence Praktikum 1

Business Intelligence Praktikum 1 Hochschule Darmstadt Business Intelligence WS 2013-14 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 14.10.2013 Business Intelligence Praktikum

Mehr

Steuerungsverfahren und ihre Datenstrukturen 02 - Datenmanagement

Steuerungsverfahren und ihre Datenstrukturen 02 - Datenmanagement Steuerungsverfahren und ihre Datenstrukturen 02 - Datenmanagement 1 Übersicht - Datenmanagement 1 Übersicht - Datenmanagement...1 2 Übersicht: Datenbanken - Datawarehouse...2 3 Übersicht: Data Mining...11

Mehr

The integration of business intelligence and knowledge management

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

Mehr

Managementinformationen beschaffen u. aufbereiten

Managementinformationen beschaffen u. aufbereiten Managementinformationen beschaffen u. aufbereiten Informationsbedarf... 2 Geschäftsinformationen... 2 Managementinformationen... 2 Eigenschaften ERM... 2 Eigenschaften multidimensionales Modell... 2 Relevante

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

Nach Data Warehousing kommt Business Intelligence

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

Mehr

Kapitel. 7: Datenmanagement. Wirtschaftsinformatik Eine Einführung. Detlef Schoder Folie 7.1. Laudon/Laudon/Schoder:

Kapitel. 7: Datenmanagement. Wirtschaftsinformatik Eine Einführung. Detlef Schoder Folie 7.1. Laudon/Laudon/Schoder: Laudon/Laudon/Schoder: Wirtschaftsinformatik Eine Einführung Kapitel 7: Datenmanagement Wirtschaftsinformatik Eine Einführung Folie 7.1 Gegenstand Anforderungen, die die Datenverwaltung an die Unternehmensführung

Mehr

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

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

Mehr

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

Komponenten und Architekturen von Analytischen Informationssystemen (AIS)

Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Melanie Pfoh Konsultation Zusammenfassung OPAL 6. Übung Juni 2015 Agenda Hinweise zur Klausur Zusammenfassung OPAL Übungen / Kontrollfragen

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

Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten

Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten Michael Hahne T&I GmbH Workshop MSS-2000 Bochum, 24. März 2000 Folie 1 Worum es geht...

Mehr

Visual Business Intelligence Eine Forschungsperspektive

Visual Business Intelligence Eine Forschungsperspektive Visual Business Intelligence Eine Forschungsperspektive Dr. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155 646 Fax.: +49

Mehr

Eine Einführung in OLAP

Eine Einführung in OLAP Eine Einführung in OLAP Einleitung... 1 Wofür wird OLAP benötigt?... 1 Was ist OLAP?... 3 OLAP Charakteristika... 3 Dimensionen... 3 Hierarchien... 3 Flexible Präsentation... 4 OLAP und Data Warehousing...

Mehr

Business Intelligence Data Warehouse. Jan Weinschenker

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

Mehr

Informationssysteme für das Management

Informationssysteme für das Management FHBB l Departement Wirtschaft l Informationssysteme für das Management Michael Pülz, Hanspeter Knechtli Lernziele Den Unterschied zwischen operativen und analytischen Informationssystemen beschreiben können

Mehr

Kapitel 6 Einführung in Data Warehouses

Kapitel 6 Einführung in Data Warehouses Kapitel 6 Einführung in Data Warehouses Skript zur Vorlesung: Datenbanksysteme II Sommersemester 2008, LMU München 2008 Dr. Peer Kröger Dieses Skript basiert zu einem Teil auf dem Skript zur Vorlesung

Mehr

CRM Architektur. New Economy CRM Architektur Page 1

CRM Architektur. New Economy CRM Architektur Page 1 CRM Architektur Titel des Lernmoduls: CRM Architektur Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.4.2 Zum Inhalt: Dieses Modul beschreibt mögliche Architekturen von CRM-Systemen. Insbesondere

Mehr

Hinweise zur Klausur Zusammenfassung OPAL-Übungen / Kontrollfragen Fragen Vertiefung Modellierung

Hinweise zur Klausur Zusammenfassung OPAL-Übungen / Kontrollfragen Fragen Vertiefung Modellierung Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Melanie Pfoh Konsultation Zusammenfassung OPAL 24. Juni 2014 Agenda Hinweise zur Klausur Zusammenfassung OPAL-Übungen / Kontrollfragen

Mehr

Einführung in Hauptspeicherdatenbanken

Einführung in Hauptspeicherdatenbanken Einführung in Hauptspeicherdatenbanken Harald Zankl Probevorlesung 13. 01., 13:15 14:00, HS C Inhaltsverzeichnis Organisation Überblick Konklusion Harald Zankl (LFU) Hauptspeicherdatenbanken 2/16 Organisation

Mehr

Prüfungsberatungs-Stunde Datenbanksysteme 1 (Dbs1)

Prüfungsberatungs-Stunde Datenbanksysteme 1 (Dbs1) Prüfungsberatungs-Stunde Datenbanksysteme 1 (Dbs1) Herbstsemester 2013/14 Prof. S. Keller Informatik HSR Januar 2014, HS13/14 Dbs1 - Prüfungsvorbereitung 1 Dbs1 Ziele Grundlagenwissen in folgenden Gebieten

Mehr

INVEST projects. Besseres Investitionscontrolling mit INVESTprojects

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

Mehr

In die Zeilen würden die Daten einer Adresse geschrieben werden. Das Ganze könnte in etwa folgendermaßen aussehen:

In die Zeilen würden die Daten einer Adresse geschrieben werden. Das Ganze könnte in etwa folgendermaßen aussehen: 1 Einführung in Datenbanksysteme Fast jeder kennt Excel und hat damit in seinem Leben schon einmal gearbeitet. In Excel gibt es Arbeitsblätter, die aus vielen Zellen bestehen, in die man verschiedene Werte

Mehr

Komponenten und Architekturen von Analytischen Informationssystemen

Komponenten und Architekturen von Analytischen Informationssystemen Komponenten und Architekturen von Analytischen Informationssystemen Sommersemester 2013 Prof Dr. Peter Gluchowski Literatur zur Vorlesung AIS/BIS Gluchowski, Peter; Gabriel, Roland; Dittmar, Carsten: Management

Mehr

Verschiedene Arten des Datenbankeinsatzes

Verschiedene Arten des Datenbankeinsatzes 1 Beispiele kommerzieller DBMS: Kapitelinhalt Was charakterisiert und unterscheidet verschiedene Einsatzbereiche für. Welche prinzipiell unterschiedlichen Anforderungen ergeben sich für das DBMS bei Ein-

Mehr

Integration von Unternehmungsdaten über Data Warehouses (Konzept, Architektur, Realisierung)

Integration von Unternehmungsdaten über Data Warehouses (Konzept, Architektur, Realisierung) Institut für Wirtschaftsinformatik Prof. Dr. Michael Breitner Wirtschaftswissenschaftliche Fakultät Universität Hannover Integration von Unternehmungsdaten über Data Warehouses (Konzept, Architektur, Realisierung)

Mehr