Informationssysteme für das Management

Größe: px
Ab Seite anzeigen:

Download "Informationssysteme für das Management"

Transkript

1 FHBB l Departement Wirtschaft l Informationssysteme für das Management Michael Pülz, Hanspeter Knechtli Lernziele Den Unterschied zwischen operativen und analytischen Informationssystemen beschreiben können Die Begriffe Führungsinformationssystem, Entscheidungsunterstützungssysteme, Expertensystem und Business Intelligence einordnen und beschreiben können Erläutern können, wie Data Warehouses und Data Marts funktionieren und wo sie eingesetzt werden Die Grundidee des OLAP erläutern können Den Begriff des Data Mining beschreiben und einige Methoden benennen können

2 FHBB l Departement Wirtschaft l Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence 3 Operative Ebene Jessup/Valacich: Information Systems Today,

3 FHBB l Departement Wirtschaft l Mittleres Management Jessup/Valacich: Information Systems Today, Topmanagement Jessup/Valacich: Information Systems Today,

4 FHBB l Departement Wirtschaft l Unterteilung nach Management-Ebenen Benutzergruppen Aufgabenschwerpunkte Datentransformation Sachbearbeiter Geschäftsleitung Geschäftsbereichsleiter Führungs- informations- System Datentransformation Planung Controlling Data Mart Vertrieb International Abteilungsleiter Data Data Mart Warehouse Kostenstellenleiter Personal Data Mart Kunden Analytische Kontrolle Systeme Disposition Operative Systeme Administration Vertrieb Beschaffung Produktion Personal Rechnungswesen Abts/Mülder: Grundkurs, S Operative versus analytische Systeme Operative Aufgaben Massen- und Routinearbeiten Datenerfassung und -pflege Anforderung an Daten: funktional anwendungsbezogene EVAS; Daten können überschrieben, gelöscht werden OLTP: online transactional processing Analytische Aufgaben Selektion und Aggregation Entscheidungsvorbereitung Statistische Auswertung und Kennzahlenbildung Prognose Anforderung an Daten: kontextbezogene Abbildung realer Informationsobjekte, Dokumentation OLAP: online analytical processing

5 FHBB l Departement Wirtschaft l Operative versus analytische Systeme Inhalt Organisation Operative Datenbank aktuelle Werte, sehr detailliert, unübersichtlich nach Applikation, redundanzarm Analytische Datenbank aggregierte, historische und abgeleitete Daten (Auszüge) nach Sachthema, z. T. denormalisiert Stabilität dynamisch statisch mit periodischer Ergänzung Struktur optimiert für Transaktionen optimiert für komplexe Abfragen (Queries) Zugriffshäufigkeit hoch niedrig Zugriffstyp lesen/schreiben/löschen lesen/aggregieren Nutzung repetitiv, vorhersehbar, wenig benutzerfreundlich ad hoc, unstrukturiert Antwortzeiten Millisekundenbereich mehrere Sekunden bis Minuten 9 Analytische Informationssysteme Analytische Informationssysteme Berichtsorientierte Ansätze Informations präsentation Kennzahlen und Auswertungen Führungsinformationssystem Modellorientierte Ansätze Berechnungen und Modelle Expertensysteme Entscheidungsunterst.system Datenbasis und Datenanalyse OLAP Data Warehouse Data Mining Data Mart Abts/Mülder: Grundkurs, S

6 FHBB l Departement Wirtschaft l Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence 11 Führungsinformationssysteme: Beispiel Management Cockpit von SAP

7 FHBB l Departement Wirtschaft l Führungsinformationssysteme: Beispiel Jessup, Valacich: Information Systems Today 13 Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence

8 FHBB l Departement Wirtschaft l Entscheidungsunterstützungssysteme Werkzeuge zur Vorbereitung, Unterstützung und Verbesserung von Entscheidungen keine Automatisierung der gesamten Entscheidung Malaga, R.: Information Systems Technology 15 Entscheidungsunterstützungssysteme: Expertensysteme Künstliche Intelligenz (KI artificial intelligence) Expertensysteme natural language processing (NLP) Bildverarbeitung Robotics Expertensysteme: Verstehen und Lösen von Problemen Erklärung des gefundenen Ergebnisses Eigenständiges Erwerben von neuem Wissen (bislang kaum möglich) Einsatzgebiete von Expertensystemen: medizinische Diagnostik, Militär, Betrugserkennung (Kreditkarten), Überwachung chemischer Prozesse, online-lernen, Wettervorhersage, Maschinenkonfiguration, etc

9 FHBB l Departement Wirtschaft l Entscheidungsunterstützungssysteme: Expertensysteme Nutzer Wissenserwerbskomponente Problemlösungskomponente Dialogkomponente Erklärungskomponente Wissensbasis Fakten Hintergrundwissen Regeln Abts/Mülder: Grundkurs, S Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence

10 FHBB l Departement Wirtschaft l Data Warehouse Data Warehouse, dt. analytische Datenbank, wörtlich: Lagerhaus für Daten synonym: Information Warehouse Definition: Sammlung aufbereiteter Daten für Analysen und Berichte für das Management Ziele Informationsflut lenken Daten aus unterschiedlichen Datenbeständen systematisch zusammenführen Daten unabhängig von den operativen Systemen organisieren geeignete Datenbasis für die analytische, entscheidungsorientierte Datenverarbeitung schaffen 19 Merkmale der Daten im Data Warehouse themenorientiert: Die Organisation der Daten orientiert sich an den analytischen Fragestellungen vereinheitlicht: gilt insbesondere für die Datenformate (!!) Beispiel: Alle Datumsangaben werden in der Form DD.MM.YYYY gespeichert beständig: Daten im Data Warehouse sind nicht flüchtig, d.h. sie können durch die operativen System nicht mehr verändert werden Ausnahme: Archivierung periodenbezogen: Die Zeit als Bezugsgrösse wird durch einen Zeitstempel explizit erfasst

11 FHBB l Departement Wirtschaft l Data Warehouse Prozess Laudon & Laudon, Prentice Hall, p Technik und Datenmodellierung im DaWa ETL-Prozess: zur Überführung der Daten aus Transaktionssystemen und externen Datenbanken in ein Data Warehouse Extract Transform Load zentral: abfragefreundliches Datenmodell spezielles, analytisches Datenmodell ( Sternschema ) Trennung von Fakten und Dimensionen Beispiel: Wie gross ist der Monatsumsatz des Produktes A in der Region B? Fakt: Dimensionen:

12 FHBB l Departement Wirtschaft l Beispiel: Sternschema im DaWa 23 Data Warehouse und Data Mart Auswertungen Auswertungen Auswertungen Data Mart Data Mart Data Warehouse Data Mart Data Mart Data Warehouse operative Daten externe Daten operative Daten externe Daten operative Daten externe Daten Abts/Mülder: Grundkurs, S

13 FHBB l Departement Wirtschaft l Unterschiede zwischen Data Warehouse und Data Mart Abts/Mülder: Grundkurs, S Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence

14 FHBB l Departement Wirtschaft l Analysen mit OLAP-Werkzeugen OLAP = Online Analytical Processing Abfragemethode, 1993 von E. F. Codd entwickelt (Codd hat auch die Grundlagen der relationalen Datenbanken entwickelt, 2003 gestorben) Endbenutzerwerkzeuge, die so einfach zu bedienen sind, dass auch eine nur gelegentliche Nutzung möglich ist Verbindung von Abfrage und Analyse Auswertung der Daten nach verschiedenen Dimensionen (mehrdimensionaler Zugriff) mehrdimensionale Kennzahlenermittlung, z.b. nach Region, Periode, Produktgruppe Ziel: Informationsverdichtung, um Entscheidungsträger zu informieren 27 Beispiel eines zweidimensionalen OLAP- Datenwürfels Quelle FOIS: adapted from Dhar, p

15 FHBB l Departement Wirtschaft l Beispiel eines dreidimensionalen OLAP- Datenwürfels Quelle FOIS: adapted from Dhar, p OLAP Slice: 2-dimensionaler Ausschnitt Quelle FOIS: adapted from Schweinsberg & Messerschmidt

16 FHBB l Departement Wirtschaft l OLAP Dice: Rotation Quelle FOIS: adapted from Schweinsberg & Messerschmidt 31 OLAP Drill-down Quelle FOIS: adapted from Schweinsberg & Messerschmidt

17 FHBB l Departement Wirtschaft l Bsp.: Cognos PowerPlay 33 Bsp.: Cognos PowerPlay Zugriff: 11.Mai

18 FHBB l Departement Wirtschaft l Bsp.: Cognos PowerPlay Zugriff: 11.Mai Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence

19 FHBB l Departement Wirtschaft l Data Mining 37 Data Mining Schürfen nach Daten Erkennung von Regeln und Mustern in grossen Datenbeständen automatisiert oder halbautomatisiert Komplexe Methoden, z.b.: Klassifikation (Zuteilung zu vordefinierten Klassen) Clustering (Gruppenbildung) Regression (Abhängigkeiten zwischen Variablen) Künstlichen Intelligenz (KI), u.a. neuronale Netze

20 FHBB l Departement Wirtschaft l Data Mining: Bsp. Clustering Quelle: FOIS, DSS II 39 Data Mining: Bsp. Regression Streudiagramm mit r = 0,9 r = 1; y = a + bx

21 FHBB l Departement Wirtschaft l Data Mining: Neuronale Netze Reif, Gerald: Moderne Aspekte der Wissensverarbeitung. Diplomarbeit an der Universität Graz, Data Mining: Anwendungsbeispiele Warenkorbanalysen Antwortrate nach einem Direct Mailing Vorhersage der Kundenfluktuation Kreditwürdigkeitsbeurteilung Entdeckung von Kreditkartenbetrug Analyse von Zahlungsgewohnheiten grosser Anwendungsbereich: Vorhersage

22 FHBB l Departement Wirtschaft l Inhalt Operative versus analytische Systeme Führungsinformationssysteme Entscheidungsunterstützungssysteme Data Warehouse und Data Mart OLAP Data Mining Business Intelligence 43 Business Intelligence Endbenutzer Zugriff, Präsentation, Navigation Portal Datenanalyse OLAP Kennzahlen Datenbereitstellung Data Marts FIS Data Mining Text Mining Web Mining Data Warehouse Vertikale Integration Externe Operative Datenbestände Daten Abts/Mülder: Grundkurs, S

23 FHBB l Departement Wirtschaft l Fazit Die in den Datenbanken der operativen Systeme gespeicherten Daten sind für die Verarbeitung in analytischen Systemen nur bedingt geeignet. Vor einer analytischen Verarbeitung müssen die Daten extrahiert, zusammengeführt, aufbereitet und separat gespeichert werden. Für die Auswertung grosser Datenmengen zum Zweck der Entscheidungsunterstützung werden spezielle Verfahren benötigt. 45 Literatur Abts, D.; Mülder, W.: Grundkurs. 5. Auflage, Wiesbaden: Vieweg 2004 Jessup, L.; Valacich, J.: Information Systems Today, Prentice Hall Upper Saddle River 2005 Laudon, K.; Laudon, J.; Schoder, D.: Eine Einführung, Pearson, München 2006 Malaga, R.: Information Systems Technology. Prentice Hall, Upper Saddle River

24 FHBB l Departement Wirtschaft l Fragen 1. Erläutern Sie den Unterschied zwischen operativen (transaktionsorientierten) und analytischen Anwendungssystemen? 2. Weshalb nennt man die operativen Anwendungssysteme auch transaktionsorientierte Anwendungssysteme? 3. Wie unterscheiden sich Expertensysteme von normalen betrieblichen Informationssystemen? 47 Backup-Folien

25 FHBB l Departement Wirtschaft l Führungsinformationssysteme: Beispiel Manager Portal

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

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

Mehr

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

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

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

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

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

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

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

Kapitel 6 Managementunterstützungssysteme und Business Intelligence

Kapitel 6 Managementunterstützungssysteme und Business Intelligence ProKSy - EBSS Institut AIFB WS 2013/2014 Programmierung kommerzieller Systeme Einsatz betrieblicher Standardsoftware (ProKSy EBSS) Kapitel 6 Managementunterstützungssysteme und Business Intelligence Institut

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

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

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

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

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

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

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

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

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

Entscheidungsunterstützungssysteme

Entscheidungsunterstützungssysteme Vorlesung WS 2013/2014 Christian Schieder Professur Wirtschaftsinformatik II cschie@tu-chemnitz.eu Literatur zur Vorlesung Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business

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

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

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

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

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

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

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

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

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

Mehr Visibility. Wie Sie täglich mehr aus Ihren Daten machen.

Mehr Visibility. Wie Sie täglich mehr aus Ihren Daten machen. Mehr Visibility. Wie Sie täglich mehr aus Ihren Daten machen. Definitionen Business Intelligence (BI) bezeichnet Verfahren, Prozesse und Techniken zur systematischen Analyse von Daten in elektronischer

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

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?

Mehr

OLAP mit dem SQL-Server

OLAP mit dem SQL-Server Hartmut Messerschmidt Kai Schweinsberg OLAP mit dem SQL-Server Eine Einführung in Theorie und Praxis IIIBibliothek V dpunkt.verlag Teil OLAP undder Microsoft SQL-Server 1 1 Theoretische Grundlagen 3 1.1

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

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

Krawatten/ CHANNEL. Fakten für t IT-Techniker. ECM, CRM & Bl erfolgreich einführen! ^ OMFACT. 1 4, 9 0 Österreich 16,40. Juni/Juli/August 2009

Krawatten/ CHANNEL. Fakten für t IT-Techniker. ECM, CRM & Bl erfolgreich einführen! ^ OMFACT. 1 4, 9 0 Österreich 16,40. Juni/Juli/August 2009 Juni/Juli/August 2009 1 4, 9 0 Österreich 16,40 www.tecchannel.de Benelux 17,15 Schweiz SFR 29,80 CHANNEL OMFACT IT EXPERTS INSID Krawatten/ Fakten für t IT-Techniker ECM, CRM & Bl erfolgreich einführen!

Mehr

Data Warehouse und Data Mining

Data Warehouse und Data Mining Einführungsseminar Data Mining Seminarvortrag zum Thema: Data Warehouse und Data Mining Von gehalten am Betreuer: Dr. M. Grabert Einführung Problemstellung Seite 2 Einführung Unternehmen bekommen eine

Mehr

MS SQL Server 2012 (4)

MS SQL Server 2012 (4) MS SQL Server 2012 (4) Data Mining, Analyse und multivariate Verfahren Marco Skulschus Jan Tittel Marcus Wiederstein Webseite zum Buch: http://vvwvv.comelio-medien.com/buch-kataiog/ms sql_server/ms sql

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

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

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

3 Bereitstellung von Informationen zur Aufgabenerfüllung

3 Bereitstellung von Informationen zur Aufgabenerfüllung 1 3 Bereitstellung von Informationen zur Aufgabenerfüllung Die Bereitstellung, der auf aufgrund der bisherigen Aufgaben hinsichtlich der Informationsmanagement (siehe Kapitel 1 und 2) benötigten Informationen,

Mehr

Modellierung von OLAP- und Data- Warehouse-Systemen

Modellierung von OLAP- und Data- Warehouse-Systemen Andreas Totok Modellierung von OLAP- und Data- Warehouse-Systemen Mit einem Geleitwort von Prof. Dr. Burkhard Huch Deutscher Universitäts-Verlag Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis

Mehr

Data Warehouses und Moderne Betriebliche Anwendungen von Datenbanksystemen

Data Warehouses und Moderne Betriebliche Anwendungen von Datenbanksystemen Data Warehouses und Moderne Betriebliche Anwendungen von Datenbanksystemen (Folien von A. Kemper zum Buch 'Datenbanksysteme') Online Transaction Processing Betriebswirtschaftliche Standard- Software (SAP

Mehr

Self Service BI der Anwender im Fokus

Self Service BI der Anwender im Fokus Self Service BI der Anwender im Fokus Frankfurt, 25.03.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC 1 Kernanforderung Agilität = Geschwindigkeit sich anpassen zu können Quelle: Statistisches

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

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

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

Business and Data Understanding. Business und Data Understanding

Business and Data Understanding. Business und Data Understanding Business und Data Understanding Gliederung 1. Grundlagen 2. Von Data Warehouse zu Data Mining 3. Das CRISP-DM Referenzmodell 4. Die Phasen Business- und Data Understanding 5. Überblick der weiteren Phasen

Mehr

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

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

Mehr

Was ist Data Mining... in der Fundraising Praxis?

Was ist Data Mining... in der Fundraising Praxis? Was ist Data Mining...... in der Fundraising Praxis? Erkennen von unbekannten Mustern in sehr grossen Datenbanken (> 1000 GB) wenige und leistungsfähige Verfahren Automatisierung Erkennen von unbekannten

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

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

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft

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

Mehr

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

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

CARL HANSER VERLAG. Karsten Oehler. OLAP Grundlagen, Modellierung und betriebswirtschaftliche Lösungen 3-446-21309-0. www.hanser.

CARL HANSER VERLAG. Karsten Oehler. OLAP Grundlagen, Modellierung und betriebswirtschaftliche Lösungen 3-446-21309-0. www.hanser. CARL HANSER VERLAG Karsten Oehler OLAP Grundlagen, Modellierung und betriebswirtschaftliche Lösungen 3-446-21309-0 www.hanser.de 1 Einleitung Die Entwicklung der Bereitstellung von Informationen zur Entscheidungsunterstützung

Mehr

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

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

Einführung und Überblick Informationssysteme

Einführung und Überblick Informationssysteme Einführung und Überblick Informationssysteme Lernziele Die Studierenden wissen, was betriebliche Informationssysteme (IS) sind kennen den Unterschied zwischen Zeichen, Daten, Informationen und Wissen kennen

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

Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH

Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH Dani Schnider Principal Consultant Business Intelligence BI Trilogie, Zürich/Basel 25./26. November 2009 Basel Baden Bern Lausanne Zürich

Mehr

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

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

Mehr

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

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

Mehr

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

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

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

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

eevolution Business Intelligence

eevolution Business Intelligence eevolution Business Intelligence Haben Sie sich schon häufig gefragt, warum Ihr Berichtswesen so kompliziert sein muss? Warum Sie nicht einfach mit wenigen Handgriffen Ihr Berichtswesen einrichten und

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

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

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

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

Inhaltsverzeichnis. Teil I OLAP und der Microsoft SQL-Server 1. 1 Theoretische Grundlagen 3

Inhaltsverzeichnis. Teil I OLAP und der Microsoft SQL-Server 1. 1 Theoretische Grundlagen 3 vii Teil I OLAP und der Microsoft SQL-Server 1 1 Theoretische Grundlagen 3 1.1 Was ist OLAP?......................................... 3 1.1.1 Business Intelligence............................... 4 1.1.2

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

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data Herausforderungen und Chancen für Controller ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Organisationen Beratung Strategie

Mehr

Bereiche der KI. KI und das Web Eine Übersicht. Allgemeines zur KI. Einfluss der KI auf die Informatik. Herausforderungen im Web

Bereiche der KI. KI und das Web Eine Übersicht. Allgemeines zur KI. Einfluss der KI auf die Informatik. Herausforderungen im Web Bereiche der KI KI und das Web Eine Übersicht Web Site Engineering, Vorlesung Nr. 13 Neuronale Netze Suchverfahren Expertensysteme Fallbasiertes Schließen (Case-Based Reasoning) Planen Maschinelles Lernen

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

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

Dominik Pretzsch TU Chemnitz 2011

Dominik Pretzsch TU Chemnitz 2011 Dominik Pretzsch TU Chemnitz 2011 Wir leben im Informationszeitalter und merken es daran, dass wir uns vor Information nicht mehr retten können. Nicht der überwältigende Nutzen der Information, sondern

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

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

Business Performance Management Next Generation Business Intelligence?

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

Mehr

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

& Kundenmanagement, Supply Chain Management und Performance. Online Analytical Processing (OLAP)

& Kundenmanagement, Supply Chain Management und Performance. Online Analytical Processing (OLAP) 1 1 Einführung Der Begriff Data Warehouse bezeichnet ein System zur zentralen Bereitstellung von Informationen für Kontroll- und Entscheidungsprozesse. Dies bringt technische und funktionale Besonderheiten

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

2 Wasist OLAP? Was ist OLAP? 2.1 Dasmultidimensionale Datenmodell. 2.2 Dimension. Seite21 VERLAG FÜR CONTROLLINGWISSEN AG V C W. Controllers-Werkzeug

2 Wasist OLAP? Was ist OLAP? 2.1 Dasmultidimensionale Datenmodell. 2.2 Dimension. Seite21 VERLAG FÜR CONTROLLINGWISSEN AG V C W. Controllers-Werkzeug Seite21 2 Wasist OLAP? 2.1 Dasmultidimensionale Datenmodell Die Erläuterung des Begriffs OLAP gehçrt im logischen Aufbau dieses Buchs zur Begriffsklärung im nachfolgenden Kapitel 3,in dem Begriffe aus

Mehr

Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen

Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen Praxistag für die öffentliche Verwaltung 2012 Titel Präsentation Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen Referenten-Info Gerhard Tschantré, Leiter Controllerdienste

Mehr

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

tdwi E U R D P E OPEN SOURCE BUSINESS INTELLIGENCE HANSER MÖGLICHKEITEN, CHANCEN UND RISIKEN QUELLOFFENER BI-LÖSUNGEN

tdwi E U R D P E OPEN SOURCE BUSINESS INTELLIGENCE HANSER MÖGLICHKEITEN, CHANCEN UND RISIKEN QUELLOFFENER BI-LÖSUNGEN OPEN SOURCE BUSINESS INTELLIGENCE MÖGLICHKEITEN, CHANCEN UND RISIKEN QUELLOFFENER BI-LÖSUNGEN uwehaneke Stephan TRAHASCH tobias HAGEN tobias LAUER (Hrsg.)' tdwi E U R D P E HANSER Vorwort 9 Einführung

Mehr

Treffsichere Absatzprognosen durch Predictive Analytics

Treffsichere Absatzprognosen durch Predictive Analytics Treffsichere Absatzprognosen durch Predictive Analytics Prof. Dr. Michael Feindt, Karlsruhe Institute of Technology KIT Chief Scientific Advisor, Phi-T GmbH und Blue Yonder GmbH & Co KG 3. Europäischer

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

Zeitgemäße Verfahren für ganzheitliche Auswertungen

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

Mehr

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

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

Mehr

Data Warehouse. Kapitel 17. Abbildung 17.1: Zusammenspiel zwischen OLTP und OLAP. Man unterscheidet zwei Arten von Datenbankanwendungen:

Data Warehouse. Kapitel 17. Abbildung 17.1: Zusammenspiel zwischen OLTP und OLAP. Man unterscheidet zwei Arten von Datenbankanwendungen: Kapitel 17 Data Warehouse OLTP Online Transaction Processing OLAP Online Analytical Processing Decision Support-Anfragen Data Mining opera- tionale DB opera- tionale DB opera- tionale DB Data Warehouse

Mehr

Real time Geschäftsstatus: Management Overview der KPIs durch Integration der Businessprozesse und -systeme

Real time Geschäftsstatus: Management Overview der KPIs durch Integration der Businessprozesse und -systeme Real time Geschäftsstatus: Management Overview der KPIs durch Integration der Businessprozesse und -systeme Ing. René List, Abteilungsleiter MSG Systembetrieb 24.02.2009 1 Der Geschäftsprozess 2 Der Geschäftsprozess

Mehr

Einsatz des Microsoft SQL-Servers bei der KKH

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

Mehr

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

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing

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

Mehr

Einführung in die Wissensverarbeitung und Data Mining

Einführung in die Wissensverarbeitung und Data Mining Einführung in die Wissensverarbeitung und Data Mining Peter Becker FH Bonn-Rhein-Sieg Fachbereich Angewandte Informatik!" $# Vorlesung Wintersemester 2001/02 1. Einführung Vorbemerkungen 1 Einführung Vorbemerkungen

Mehr