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 ??? Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle

Data Warehouse ??? Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle ??? Zusammenfassung, Ergänzung, Querverbindungen, Beispiele A.Kaiser; WU-Wien MIS 188 Data Warehouse Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle

Mehr

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

10. Vorlesung: Datenorganisation SS 2007

10. Vorlesung: Datenorganisation SS 2007 10. Vorlesung: Datenorganisation SS 2007 8 Parallele Transaktionen 9 9.1 Drei-Ebenen Ebenen-Architektur 9.2 Verteilte Datenbanken 9.3 Client-Server Server-Datenbanken 9.4 Föderierte Datenbanken 9.5 Das

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

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

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

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

Online Analytical Processing

Online Analytical Processing Online Analytical Processing Online Analytical Processing Online Analytical Processing (OLAP) ermöglicht die multidimensionale Betrachtung von Daten zwecks E rmittlung eines entscheidungsunterstützenden

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

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

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

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

Objektorientierte Datenbanken

Objektorientierte Datenbanken OODB 11 Slide 1 Objektorientierte Datenbanken Vorlesung 11 vom 01.07.2004 Dr. Sebastian Iwanowski FH Wedel OODB 11 Slide 2 Inhalt heute: Datenbanken in betriebswirtschaftlichen Anwendungen OTLP (SAP) Data

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

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

Vorwort zur 5. Auflage... 15 Über den Autor... 16

Vorwort zur 5. Auflage... 15 Über den Autor... 16 Vorwort zur 5. Auflage...................................... 15 Über den Autor............................................ 16 Teil I Grundlagen.............................................. 17 1 Einführung

Mehr

Gliederung Datenbanksysteme

Gliederung Datenbanksysteme Gliederung Datenbanksysteme 5. Datenbanksprachen 1. Datendefinitionsbefehle 2. Datenmanipulationsbefehle 3. Grundlagen zu SQL 6. Metadatenverwaltung 7. DB-Architekturen 1. 3-Schema-Modell 2. Verteilte

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

2 Datenbanksysteme, Datenbankanwendungen und Middleware... 45

2 Datenbanksysteme, Datenbankanwendungen und Middleware... 45 Vorwort 15 Teil I Grundlagen 19 i Einführung In das Thema Datenbanken 21 I.I Warum ist Datenbankdesign wichtig? 26 i.2 Dateisystem und Datenbanken 28 1.2.1 Historische Wurzeln 29 1.2.2 Probleme bei der

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

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

Profilbezogene informatische Bildung in den Klassenstufen 9 und 10. Schwerpunktthema Daten und Datenbanken

Profilbezogene informatische Bildung in den Klassenstufen 9 und 10. Schwerpunktthema Daten und Datenbanken Profilbezogene informatische Bildung in den Klassenstufen 9 und 10 Schwerpunktthema Robby Buttke Fachberater für Informatik RSA Chemnitz Fachliche Einordnung Phasen relationaler Modellierung Fachlichkeit

Mehr

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

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

Mehr

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

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

Kapitel 14 Verteilte DBMS

Kapitel 14 Verteilte DBMS Kapitel 14 Verteilte DBMS 14 Verteilte DBMS 14 Verteilte DBMS...1 14.1 Begriff, Architektur und Ziele verteilter Datenbanksysteme...2 14.2 Verteilungsarten...5 14.2.1 Verteilung der Daten...5 14.2.2 Verteilung

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

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

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

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

Einteilung von Datenbanken

Einteilung von Datenbanken Datenbanksysteme (c) A.Kaiser; WU-Wien 1 Einteilung von Datenbanken 1. formatierte Datenbanken 2. unformatierte Datenbanken Information Retrieval Systeme 2 Wozu Datenbanken? Speicherung und Verwaltung

Mehr

Einführung. Informationssystem als Abbild der realen Welt

Einführung. Informationssystem als Abbild der realen Welt Was ist ein Datenbanksystem? Anwendungsgrundsätze Betrieb von Datenbanksystemen Entwicklung von Datenbanksystemen Seite 1 Informationssystem als Abbild der realen Welt Modellierung (Abstraktion) Sachverhalte

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

Projekt zur Lehrveranstaltung Informationssysteme

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

Mehr

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

Data Warehousing und Data Mining

Data Warehousing und Data Mining 2 Data Warehousing und Data Mining Kapitel 1: Data-Warehousing-Architektur von Geschäftsprozessen Mögliche Fragestellungen Wie entwickelt sich unser Umsatz im Vergleich zum letzten Jahr? In welchen Regionen

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

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

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

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

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

Logistikinformationssystem (LIS)

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

Mehr

Datenbanken. Prof. Dr. Bernhard Schiefer. bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer

Datenbanken. Prof. Dr. Bernhard Schiefer. bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer Datenbanken Prof. Dr. Bernhard Schiefer bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer Wesentliche Inhalte Begriff DBS Datenbankmodelle Datenbankentwurf konzeptionell, logisch und relational

Mehr

Mala Bachmann September 2000

Mala Bachmann September 2000 Mala Bachmann September 2000 Wein-Shop (1) Umsatz pro Zeit und Produkt Umsatz Jan Feb Mrz Q1 Apr 2000 Merlot 33 55 56 144 18 760 Cabernet-S. 72 136 117 325 74 1338 Shiraz 85 128 99 312 92 1662 Rotweine

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

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

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

Teil VI. Datenbanken

Teil VI. Datenbanken Teil VI Datenbanken Überblick 1 Grundlegende Begriffe Motivation 2 Relationale Datenbanksysteme Das Relationale Datenmodell SQL 3 Entwurf von Datenbanken Das Enity Relationship (ER) Modell Abbildung von

Mehr

sage HR Zusatzmodul Digitale Personalakte Produktinformationen

sage HR Zusatzmodul Digitale Personalakte Produktinformationen sage HR Zusatzmodul Digitale Personalakte Produktinformationen Vorwort Für Ihr Interesse am Zusatzmodul Digitale Personalakte bedanken wir uns. Integrierte Sage HR Lösungen basierend auf einer Datenbank

Mehr

Data Warehouse Technologien

Data Warehouse Technologien Veit Köppen Gunter Saake Kai-Uwe Sattler Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis vii 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...............

Mehr

Grundlagen von Datenbanken

Grundlagen von Datenbanken Grundlagen von Datenbanken Aufgabenzettel 1 Grundlagen Datenbanken: Kurzer historischer Überblick (1) Anwendung 1 Anwendung 2 Datei 1 Datei 2 Datei 3 Zugriff auf Dateien ohne spezielle Verwaltung 2 Exkurs:

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

Informatik II Datenorganisation Datenbanken

Informatik II Datenorganisation Datenbanken Informatik II Datenorganisation Datenbanken Studiengang Wirtschaftsingenieurwesen (2. Semester) Prof. Dr. Sabine Kühn Tel. (0351) 462 2490 Fachbereich Informatik/Mathematik skuehn@informatik.htw-dresden.de

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

Aktuelle SE Praktiken für das WWW

Aktuelle SE Praktiken für das WWW Aktuelle SE Praktiken für das WWW SQL vs. NoSQL W. Mark Kubacki 23.06.2010 Gliederung Zusammenfassung Entstehungsgeschichte SQL vs. NoSQL Systemarchitekturen und Wachstumsmuster SQL NoSQL Überblick und

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

Veit Köppen Gunter Saake Kai-Uwe Sattler. 2. Auflage. Data Warehouse Technologien

Veit Köppen Gunter Saake Kai-Uwe Sattler. 2. Auflage. Data Warehouse Technologien Veit Köppen Gunter Saake Kai-Uwe Sattler 2. Auflage Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis ix 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...

Mehr

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle

Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle 40. Congress der Controller, Themenzentrum C, München Steffen Vierkorn, Geschäftsführer Qunis GmbH, Neubeuern Die

Mehr

Datawarehouse Architekturen. Einheitliche Unternehmenssicht

Datawarehouse Architekturen. Einheitliche Unternehmenssicht Datawarehouse Architekturen Einheitliche Unternehmenssicht Was ist Datawarehousing? Welches sind die Key Words? Was bedeuten sie? DATA PROFILING STAGING AREA OWB ETL OMB*PLUS SAS DI DATA WAREHOUSE DATA

Mehr

Marketing Intelligence 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

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

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

Folien zum Textbuch. Kapitel 6: Managementunterstützungssysteme. Teil 2: Textbuch-Seiten 794-825

Folien zum Textbuch. Kapitel 6: Managementunterstützungssysteme. Teil 2: Textbuch-Seiten 794-825 Folien zum Textbuch Kapitel 6: Managementunterstützungssysteme Teil 2: Managementunterstützung auf strategischer Ebene Datenverwaltung und -auswertung Textbuch-Seiten 794-825 WI 1 MUS MUS auf strategischer

Mehr

Datenbanken. Dateien und Datenbanken:

Datenbanken. Dateien und Datenbanken: Dateien und Datenbanken: Professionelle Anwendungen benötigen dauerhaft verfügbare, persistent gespeicherte Daten. Datenbank-Systeme bieten die Möglichkeit, Daten persistent zu speichern. Wesentliche Aspekte

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

Informationssysteme Aufgaben (1)

Informationssysteme Aufgaben (1) Universitätslehrgang Controlling Berichtswesen und Managementinformationssystem SS 2008 A-6600 Reutte - Tränkeweg 18 Phone/Fax: +43 (5672) 64704 - e-mail: g.lovrecki.cat@tnr.at 1 Aufgaben (1) Entscheidungsvorbereitung

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

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

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

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

Einführung. Kapitel 1 2 / 508

Einführung. Kapitel 1 2 / 508 Kapitel 1 Einführung 2 / 508 Einführung Was ist ein Datenbanksystem (DBS)? Ein System zum Speichern und Verwalten von Daten. Warum kein herkömmliches Dateisystem verwenden? Ausfallsicherheit und Skalierbarkeit

Mehr

Unterstützung des PersonalControlling durch flexible IuK-Technologie Präsentation für die Tagung der IuK-Leiter am 23.09.2003

Unterstützung des PersonalControlling durch flexible IuK-Technologie Präsentation für die Tagung der IuK-Leiter am 23.09.2003 Data-Warehouse Unterstützung des PersonalControlling durch flexible IuK-Technologie Präsentation für die Tagung der IuK-Leiter am 23.09.2003 23.09.2003, Folie: 1 Data Warehouse Historie Architekturprinzip

Mehr

Gliederung Datenbanksysteme

Gliederung Datenbanksysteme Gliederung Datenbanksysteme 5. Datenbanksprachen 1. Datendefinitionsbefehle 2. Datenmanipulationsbefehle 3. Grundlagen zu SQL 6. Metadatenverwaltung 7. DB-Architekturen 1. 3-Schema-Modell 2. Verteilte

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

Jump Project. Softwarelösungen für professionelles Projektmanagement

Jump Project. Softwarelösungen für professionelles Projektmanagement Jump Project Softwarelösungen für professionelles Projektmanagement Jump Project Office Übersichtliche Dokumentenstruktur und schneller Zugriff auf alle wichtigen Funktionen. Steuern Sie Ihre Projekte

Mehr

Datenbanken 16.1.2008. Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt:

Datenbanken 16.1.2008. Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt: Datenbanksysteme Entwicklung der Datenbanksysteme Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt: 1. Generation: In den fünfziger

Mehr

Das Multidimensionale Datenmodell

Das Multidimensionale Datenmodell Das Multidimensionale Datenmodell Konzeptuelle Modellierung Umsetzung des Modells Beispiel ER-Modell 2 / 36 Probleme ER-Modellierung Keine Unterscheidung Klassifikation, Attribute, Kenngrößen Dimension

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

Andreas Heuer Gunter Saake Kai-Uwe Sattler. Datenbanken. kompakt

Andreas Heuer Gunter Saake Kai-Uwe Sattler. Datenbanken. kompakt Andreas Heuer Gunter Saake Kai-Uwe Sattler Datenbanken kompakt Inhaltsverzeichnis Vorwort v 1 Was sind Datenbanken 1 1.1 Warum Datenbanken 1 1.2 Datenbanksysteme 4 1.3 Anforderungen: Die Codd'schen Regeln

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

Datenbanken und Informationssysteme

Datenbanken und Informationssysteme Datenbanken und Informationssysteme Lehrangebot Stefan Conrad Heinrich-Heine-Universität Düsseldorf Institut für Informatik April 2012 Stefan Conrad (HHU) Datenbanken und Informationssysteme April 2012

Mehr

Informationssysteme: Neuere Konzepte Teil II

Informationssysteme: Neuere Konzepte Teil II Informationssysteme: Neuere Konzepte Kapitel 1: Data-Warehousing-Architektur Folien teilweise übernommen von Matthias Gimbel 2 von Geschäftsprozessen Mögliche Fragestellungen Wie entwickelt sich unser

Mehr

Anwendung des Prinzips der Doppik beim Aufbau eines Data Warehouses

Anwendung des Prinzips der Doppik beim Aufbau eines Data Warehouses Anwendung des Prinzips der Doppik beim Aufbau eines Data Warehouses Einführung Einer der Nachteile der Data Warehouse Technologie besteht daran, dass in einem Data Warehouse (DWH ) nur Momentaufnahmen

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

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII Vorwort zur zweiten Auflage...V Vorwort zur ersten Auflage... VIII 1 Management Support Systeme und Business Intelligence Anwendungssysteme zur Unterstützung von Managementaufgaben...1 1.1 Computergestützte

Mehr

Vorlesung 30.03.2009 1) Einführung

Vorlesung 30.03.2009 1) Einführung Vorlesung 30.03.2009 1) Einführung Was versteht man unter dem Begriff Datenbank? - Eine Datenbank ist eine Struktur zur Speicherung von Daten mit lesendem und schreibendem Zugriff - Allgemein meint man

Mehr

Seminar im Sommersemester 2004 an der Universität Karlsruhe (TH)

Seminar im Sommersemester 2004 an der Universität Karlsruhe (TH) Seminar im Sommersemester 2004 an der Universität Karlsruhe (TH) Verteilung und Integration von Informationen im Verkehrsbereich Thema: OLAP in verteilten Data-Warehouse- Umgebungen Vortrag: Christian

Mehr

Produktinformation eevolution OLAP

Produktinformation eevolution OLAP Produktinformation eevolution OLAP Was ist OLAP? Der Begriff OLAP steht für Kurz gesagt: eevolution -OLAP ist die Data Warehouse Lösung für eevolution. Auf Basis verschiedener

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

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

BI around the world - Globale Reporting Lösungen bei Continental Automotive

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

Mehr

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

Kapitel 3: Eigenschaften von Integrationssystemen. Einordnung von Integrationssystemen bzgl. Kriterien zur Beschreibung von Integrationssystemen

Kapitel 3: Eigenschaften von Integrationssystemen. Einordnung von Integrationssystemen bzgl. Kriterien zur Beschreibung von Integrationssystemen Datenintegration Datenintegration Kapitel 3: Eigenschaften von Integrationssystemen Andreas Thor Sommersemester 2008 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 1 Inhalt Einordnung

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

Strategisches Informationsmanagement auf Basis von Data Warehouse-Systemen

Strategisches Informationsmanagement auf Basis von Data Warehouse-Systemen Strategisches Informationsmanagement auf Basis von Data Warehouse-Systemen SAS PharmaHealth & Academia Gabriele Smith KIS-Tagung 2005 in Hamburg: 3. März 2005 Copyright 2003, SAS Institute Inc. All rights

Mehr

Ein Beispiel. Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse?

Ein Beispiel. Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse? Ein Beispiel Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse? Dipl.-Kfm. Claus Häberle WS 2015 /16 # 42 XML (vereinfacht) visa

Mehr

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

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

Mehr

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