Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG

Größe: px
Ab Seite anzeigen:

Download "Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG"

Transkript

1 Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Aufbaustudium 1. Musterklausur IT-gestützte Geschäftsanalyse (BI) IWW-Teilnehmer-Nr. MUSTERLÖSUNG Hinweise (bitte besonders aufmerksam lesen): 1. Die Klausur besteht ohne Deckblatt aus 4 Seiten mit insgesamt 4 Aufgaben. Prüfen Sie die Vollständigkeit bitte vor der Bearbeitung nach! 2. Tragen Sie Ihre Lösungen bitte ausschließlich in die entsprechenden Antwortschemata ein. 3. Die Bearbeitungszeit dieser Abschlussarbeit beträgt 2 Stunden (120 Minuten). Es sind maximal 120 Punkte erreichbar; die Arbeit gilt als erfolgreich bearbeitet, wenn mindestens 60 Punkte erreicht werden. 4. Vergessen Sie nicht, die Klausur mit Ihrem Namen zu versehen, und unterschreiben Sie die Klausur auf der letzten Seite des Lösungsteils. 5. Die Klausur muß vollständig, d.h. Deckblatt, Aufgaben- und Lösungsteil, abgegeben werden. Wir wünschen Ihnen viel Erfolg! Vom IWW auszufüllen: Aufgabe: Gesamt Erreichbare Punktzahl Erreichte Punktzahl best. nicht best. Unterschrift des Prüfers:

2 (120 Punkte) Allgemeine Hinweise zur Bearbeitung der Klausur Die Lösungen müssen in den vorgesehenen Raum auf dem Lösungsbogen eingetragen werden. Markieren Sie die von Ihnen gewählten Alternativen durch ein Kreuz (X) an der dafür vorgesehenen Stelle im Lösungsbogen. Wird nach dem Ergebnis einer Berechnung, nach Begriffen oder nach dem Wahrheitswert einer Aussage gefragt, ist auf dem Lösungsbogen ein entsprechendes Feld zum Eintrag vorgesehen. Sorgen Sie für eindeutige Eintragungen im Lösungsbogen. Hinweise zur Bewertung der Aufgaben Jede vollständig richtig gelöste Aufgabe oder Teilaufgabe wird mit der an Ort und Stelle angegebenen Punktzahl bewertet. Für die Aufgabe 1 gilt: Es ist nur eine einzige Antwort richtig. Es darf nur ein Kreuz gesetzt werden, damit Punkte gegeben werden können. Bei einem richtig gesetzten Kreuz gibt es die volle Punktzahl, bei einem falsch gesetzten Kreuz gibt es Null Punkte. Für die Aufgabe 4 gilt: Richtig gelöste Teilaufgaben werden mit der anteiligen Punktzahl bewertet. Nicht beantwortete Teilaufgaben werden mit Null Punkten bewertet. Falsch beantwortete Teilaufgaben führen zu Punktabzug in entsprechender Höhe. Falls die rechnerische Gesamtpunktzahl der Aufgabe kleiner als Null ist, wird die Aufgabe insgesamt mit Null Punkten bewertet. Für die Aufgaben 2 und 3 gilt: Teilweise richtig gelöste Aufgaben oder Teilaufgaben können mit einer entsprechend verminderten Punktzahl bewertet werden. Aufgabe 1 (20 P) Überprüfen Sie die folgenden Aussagen auf ihre Richtigkeit. Markieren Sie im Lösungsbogen die zutreffende Aussage. Es ist nur eine Aussage korrekt, d. h. Sie müssen sich für eine Aussage entscheiden und dürfen nur ein Kreuz setzen. a) Die IT-gestützte Geschäftsanalyse basiert auf der systematischen Analyse und dem zielorientierten Einsatz von Informationen. Häufig ist dabei von Business Intelligence die Rede. Welche Bedeutung hat der Begriff der Intelligenz in diesem Zusammenhang? (5 P) A B C D Intelligenz bedeutet hier, dass Unternehmen die Fähigkeit haben, sich permanent zu verändern und damit eine agile Unternehmenssteuerung umzusetzen. Intelligenz bedeutet hier, dass Unternehmen die Informationen aus dem Umfeld rational und faktenbasiert verarbeiten und auf dieser Basis Entscheidungen treffen. Intelligenz bedeutet hier, dass Unternehmen eine umfassende Datenbasis über ihr Umfeld und ihre internen Prozesse aufbauen und diese nutzen, um effiziente Entscheidungen zu treffen. Intelligenz bedeutet hier, dass Unternehmen in der Lage sind, Veränderungen in ihrem Umfeld wahrzunehmen und sich an das veränderte Umfeld anzupassen bzw. das Umfeld zielgerichtet zu verändern oder aber zu wechseln.

3 b) Welche der Aussagen ist für das nachfolgende Bild korrekt? (5 P) Business Intelligence (BI) (ganzheitlich) Individuelle Informationsbedarfe Individuelle Entscheidungsprozesse BI (betriebswirtschaftlich) Fachliche Informationsbedarfe MIS/EIS Data Mining Kennzahlen Data Warehousing OLAP ETL intelligente Algorithmen Spezielle Analysen, z.b. zum Kundenbeziehungsmanagement Regressionsanalyse Berichtswesen BI (technisch) MIS/EIS: Management Information System/Executive Information System OLAP: Online Analytical Processing ETL: Extraction, Transformation, Loading A B C D Eine ganzheitliche Sicht auf die BI erfordert eine Integration der individuellen und fachlichen Informationsbedarfe sowie der technischen und mathematischen Umsetzungspotenziale. Ganzheitliche BI erfordert die integrierte Umsetzung aller aufgeführten technischen Potenziale, um die verschiedenen Informationsbedarfe decken zu können. Die fachlichen Informationsbedarfe beziehen sich auf die Informationen, die in der bestehenden Applikationsarchitektur abgebildet sind. Bei der mathematischen Dimension der ganzheitlichen BI werden intelligente Algorithmen eingesetzt, um die individuellen und fachlichen Informationsbedarfe zu erheben. c) Welche der Aussagen ist für das nachfolgende Bild korrekt? (5 P) Organisation Objektiver Informationsbedarf bedingt durch: Fachliche Anforderungen der Entscheidungsprobleme Führungsthemen, z. B.: Führungsstil Leitungsspanne Entscheidungssituation Gruppenprozesse Informationsangebot bedingt durch: Portfolio der Entscheidungen Organisationsstrukturen und Werte Planungssysteme Steuerungssysteme Berichtswesen Fachliche Anforderungen, z. B.: Business Requirements Analyseverfahren

4 A B C D Die Organisation eines Unternehmens dient der Verbindung von Führungsthemen und fachlichen Anforderungen. Die Dimension Organisation im CDM stellt eine Ergänzung des Informationsbedarfs des Entscheiders dar. Sie wird durch die Definition von Entscheidungsproblemen charakterisiert. Die Dimension Organisation im CDM hat zwei Funktionen: Zum Einen setzt sie die Restriktionen für den verfügbaren Informationsbedarf und zum Anderen wird durch sie der objektive Informationsbedarf definiert. Die Organisation dient der Steuerung der Informationsbedarfe sowohl auf der individuellen als auch auf der fachlichen Seite. d) Die Fähigkeit zur Multireferenz bedeutet, dass ein Entscheider nicht nur den eigenen Referenzrahmen für seine Entscheidungen nutzt, sondern sich auch in die Denkweisen und Schlussfolgerungen anderer Individuen und Organisationen hineinversetzen kann. Welche Voraussetzungen müssen dafür erfüllt sein? (5 P) A B C D Der Entscheider muss eine Ausbildung und Sozialisierung erfahren haben, die es erlaubt, unterschiedliche Standpunkte einzunehmen. Das Entscheidungsproblem muss ein multireferenzielles Vorgehen zulassen. Das Entscheidungsproblem muss ganzheitlich formuliert sein, und es müssen verschiedene Akteure mitgewirkt haben, damit das Kriterium der Multireferenz erfüllt wird. Der Entscheider muss in seinem unternehmerischen Umfeld mit verschiedenen Disziplinen und Kulturen zu tun haben. Übertragen Sie Ihre endgültige Lösung auf den Lösungsbogen! Aufgabe 2 (30 P) Erläutern Sie kurz die drei Dimensionen des Comprehensive Decision Model sowie die primären Zielen, die mit dem Modell verfolgt werden. Gehen Sie im Anschluss auf die Dimension der Organisation ein und erläutern Sie, welche Rolle sie im Rahmen der Setzung von Restriktionen für die Informationsversorgung spielt. (Max. eine Seite) Übertragen Sie Ihre endgültige Lösung auf den Lösungsbogen! Aufgabe 3 (40 P) Erläutern Sie kurz die wesentlichen Komponenten einer Business Intelligence-Architektur und welche Rolle sie jeweils in der Architektur spielen. (Max. eine Seite!) Übertragen Sie Ihre endgültige Lösung auf den Lösungsbogen!

5 Aufgabe 4 (30 P) Überprüfen Sie die folgenden Aussagen auf ihre Richtigkeit. Kennzeichnen Sie im Lösungsbogen uneingeschränkt zutreffende Aussagen mit einem Kreuz bei Richtig und bei alle anderen Aussagen mit einem Kreuz bei Falsch. Bitte beachten Sie auch die Hinweise zur Bewertung. a) Nur mit einem systematischen Prozess zur Datenanalyse erfolgt eine Berücksichtigung der betriebswirtschaftlichen Zielsetzungen und einer entsprechend zielorientierten Aufbereitung der Daten. b) Ein Operational Data Store stellt im Gegensatz zum Data Warehouse Daten aktuell und zeitnah zur Verfügung. Damit können z. B. Aufgabenstellungen eines Kundendienstes unterstützt werden. c) Eine ganzheitliche Entscheidungsunterstützung muss die Informationsbedarfe der Entscheider, der Organisation sowie die Potenziale der IT berücksichtigen. d) Der Begriff des Data Mining umfasst sämtliche Analyse- und Aufbereitungsprozesse der Daten für ein betriebswirtschaftliches Entscheidungsproblem. e) Es gibt insgesamt 24 Regeln zur Analyse von OLAP-Werkzeugen. Die wichtigsten Kriterien sind die Antwortzeiten, die Möglichkeit, auch individuelle Abfragen definieren zu können, die Verfügbarkeit geeigneter Analyseverfahren und -möglichkeiten, die Möglichkeit, Daten und Analyseergebnisse mit anderen zu teilen und die Fähigkeit, Daten aus vielen verschiedenen Quellen zu integrieren und aufzubereiten. Übertragen Sie Ihre endgültige Lösung auf den Lösungsbogen! MUSTERLÖSUNGEN Bei den Musterlösungen für die Textaufgaben gilt es zu berücksichtigen, dass sie einen möglichen Lösungsweg darstellen. Sie lehnen sich dabei eng an den Studienbrief an. Hier ist auf keinen Fall gefragt, dass Sie die Texte auswendig lernen! Andere Argumentationslinien und weitere Punkte, die zur Lösung führen, sind natürlich zulässig. Aufgabe 1 (ankreuzen) (20 P) A B C D a) X b) X c) X d) X Aufgabe 2 (30 P) Erläutern Sie kurz die drei Dimensionen des Comprehensive Decision Model sowie die primären Zielen, die mit dem Modell verfolgt werden. Gehen Sie im Anschluss auf die Dimension der Organisation ein und erläutern Sie, welche Rolle sie im Rahmen der Setzung von Restriktionen für die Informationsversorgung spielt. (Max. eine Seite)

6 Akteur: bezieht sich auf den Menschen (aber auch die Gruppe von Menschen), der die Entscheidungen trifft und dabei in Sach- sowie Beziehungsgeflechte eingebunden sowie durch seine Sozialisierung und Erfahrungen geprägt ist. Organisation: bezieht sich auf die Aufbau- und Ablaufstruktur sowie die Umfeldfaktoren und Steuerungsmechanismen des Unternehmens, die auf der einen Seite die Möglichkeiten zur Informationserzeugung definieren und auf der anderen Seite die Informationen konsumieren. Damit ist die Organisation sowohl einschränkendes als auch förderndes Element in der Informationsversorgung. Applikationen: bezieht sich auf die Applikationen und im Speziellen ihre Zusammenfassung in einer Applikationsarchitektur, die entwickelt werden muss, um eine effektive und effiziente Informationsversorgung sicherzustellen. Die Applikationsarchitektur ist in diesem Modell vor allem die abhängige Variable, die durch den Informationsbedarf und die Organisationsstruktur definiert wird. Sie kann aber durch technologische Innovationen auch definierend für die Art und Weise der Informationsversorgung wirken (z. B. durch die Integration von Applikationen für mobile Endgeräte). Die Dimension Organisation setzt durch die bereits vorgegebenen Organisationsstrukturen (z.b. Kennzahlensysteme, Aufbauorganisation) Restriktionen. In Abhängigkeit z.b. von den implementierten Steuerungssystemen lassen sich spezifische Daten ergeben, die wiederum zu entsprechend zweck- und adressatenorientierten Informationen verarbeitetet werden können. Damit ist das Informationsangebot allerdings auch strikt festgelegt. Sollen weitergehende Informationen erzeugt werden, müssen an den entsprechenden Stellen in der Organisation Veränderungen vorgenommen werden. Hier gilt es abzuwägen, ob Aufwand und Nutzen in einem sinnvollen Verhältnis stehen. Falls die Einschätzung hier negativ ist, sollten der subjektive und der objektive Informationsbedarf überprüft und ggf. angepasst werden. Aufgabe 3 (40 P) Erläutern Sie kurz die wesentlichen Komponenten einer Business Intelligence-Architektur und welche Rolle sie jeweils in der Architektur spielen. (Max. eine Seite!) Die Umsetzung des betriebswirtschaftlichen BI-Konzepts erfolgt nicht mit einer einzelnen Applikation, sondern schlägt sich in der Regel in einer Applikationsarchitektur nieder. Das heißt, dass mehrere Applikationen zusammenwirken müssen, damit die Kennzahlen und Berichte für die BI erzeugt werden können. In der folgenden Abbildung ist eine solche Architektur schematisch dargestellt.

7 BERICHT 'EINNAHM EN UND AUSGABEN' bis Son stige 33, 08 % Fr eize 10,63% Stu di um 15,95 % Essen 40,34% Operative Systeme Interne Datenlieferanten Data Warehouse Data Marts Business Intelligence Operatives DB 2 System Operatives Oracle System DB Operatives System andere DB Nichtrelationale Daten Externe Datenlieferanten Transformationstools (ETL): transformieren, integrieren, ergänzen Netz Operational Data Store Horizontale Applikationen (z.b. Customer Relationship Management) Die dargestellte Architektur setzt sich aus den folgenden Komponenten zusammen: Operative Systeme: Als operative Systeme werden alle Systeme bezeichnet, die Daten des Geschäftsbetriebs führen: jeder Auftrag, Beschaffungsvorgang und jede Rechnungsstellung erzeugen Daten, die in den entsprechenden operativen Systemen gespeichert werden. Sie lassen sich grundsätzlich in interne und externe Datenlieferanten für das BI unterscheiden. Die internen Datenlieferanten sind z. B. Rechnungswesenapplikationen, Vertriebsapplikationen oder Produktionsplanungsapplikationen. Diese Applikationen speichern die anfallenden Daten entweder in eigenen Datenbanken oder in einer gemeinsamen Datenbank. Die Datenbanken geben eine bestimmte Struktur zur Speicherung vor. In den aktuell eingesetzten Datenbanken ist das in der Regel die so genannte relationale Datenstruktur. Doch nicht alle Daten im Unternehmen liegen als relationale Daten vor, so dass bei der Datenbeschaffung auch ein Extraktionsvorgang für die nichtrelationalen Daten vorgesehen werden sollte. Dieser Sonderfall tritt insbesondere bei sehr alten Applikationen auf, die vor der Einführung relationaler Datenbankmanagementsysteme entwickelt wurden. Die externen Datenlieferanten sind z. B. so genannte Informationsbroker, wie Reuters oder Bloomberg, die aktuelle Finanzdaten in das Unternehmen liefern. Diese Daten werden entweder über das Internet oder eine spezielle Datenleitung zur Verfügung gestellt, die ebenfalls bei der Datenbeschaffung angebunden werden müssen. Data Warehouse: Das Data Warehouse ist die zentrale Komponente in der BI-Architektur. Kurz gesagt ist das Data Warehouse ein Datenspeicher, der bereits nach dem definierten Informationsbedarf strukturiert ist. Das heißt, dass nur ein bestimmter Teil der Daten aus den operativen Systemen in das Data Warehouse geladen wird. Die so vorselektierten Daten werden im Rahmen des ETL-Prozesses (Extraktion, Transformation, Laden) durch die Transformationswerkzeuge auf Basis des Informationsbedarfs bearbeitet (z. B. aggregiert oder um Ausreißer bereinigt). So können Abfragen wesentlich schneller durchgeführt werden. Der Nachteil ist, dass der Datenbestand im Data Warehouse in der Regel nicht hoch aktuell ist, da Extraktion und Transformation nicht permanent, sondern zyklisch durchgeführt werden (z. B. zu Randzeiten). Der Grund dafür liegt darin, dass die Extraktion zu Randzeiten die Leistung der operativen Systeme am wenigsten einschränkt. Ein zentraler Punkt für die Beschränkung des Umfangs der im Data Warehouse gespeicherten Daten ist die Qualität des definierten Informationsbedarfs und damit des betriebswirtschaftlichen Konzepts. Das CDM als Strukturierungshilfe kann hier wesentliche Unterstützung leisten, um die Kosten unter Kontrolle zu halten. Operational Datastore: Der Operational Datastore ist eine Architekturkomponente, die dem oben genannten Nachteil eines nicht aktuellen Datenbestands Rechnung trägt. Bestimmte betriebliche Anwendungen erfordern einen Echtzeit-Datenbestand. Das sind in der Regel alle Fragestellungen, die mit dem Kundenservice zusammenhängen. In einem Call Center müssen z. B. die aktuellen Daten der Kundentransaktionen vorliegen. Für diese Zwecke wird der Operational Datastore eingesetzt, in den über

8 die ETL-Schnittstelle ein sehr spezifischer, aber dafür aktueller Ausschnitt der operativen Systeme geladen wird. Die Applikationen, die auf den Operational Datastore zugreifen, sind in der Regel so genannte horizontale Applikationen, also Applikationen, die Daten aus verschiedenen Funktionsbereichen integrieren müssen, z. B. für Aufgabenstellungen im CRM. Data Marts: Eine weitere Ebene in der BI-Architektur sind die so genannten Data Marts. In einem Data Warehouse werden in der Regel alle Daten zur Bedienung des gesamten für die BI formulierten Informationsbedarfs gespeichert. Für schnelle und flexible Abfragen zu spezifischen Themengebieten, wie z. B. für die Produktionsplanung oder für Vertriebsaktionen, ist dieser Datenbestand damit bereits zu groß. Aus diesem Grund werden aus dem zentralen Data Warehouse wiederum spezifische Ausschnitte der Daten in kleinere Datenspeicher, die Data Marts, geladen. Dieser Schritt ermöglicht gezieltere und schnellere Abfragen zu den spezifischen Themen. BI: Die Ebene in der BI-Architektur, die sich mit der konkreten Aufbereitung der Daten für den im Rahmen der BI formulierten Informationsbedarf beschäftigt, wird entsprechend oftmals auch mit BI bezeichnet. Hierunter fallen alle Werkzeuge, die die Daten aus dem Data Warehouse oder den Data Marts laden, entsprechend transformieren und in einer adressatengerechten Form zusammenstellen. Diese Werkzeuge nutzen in der Regel die im Rahmen der Datenanalyse beschriebenen Methoden und Techniken zur Aufbereitung der Daten. Aufgabe 4 (Ein Kreuz bei Richtig oder Falsch eintragen) (30 P) Richtig Falsch a) X b) X c) X d) X e) X

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Aufbaustudium 3. Musterklausur IT-gestützte

Mehr

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Aufbaustudium 2. Musterklausur Informations-

Mehr

Matrikelnr: Name: Vorname: Aufgabe 1 2 3 4 Summe Maximal erreichbare 20 30 30 20 100 Punktzahl Erreichte Punktzahl. Note:

Matrikelnr: Name: Vorname: Aufgabe 1 2 3 4 Summe Maximal erreichbare 20 30 30 20 100 Punktzahl Erreichte Punktzahl. Note: Fakultät für Wirtschaftswissenschaft Matrikelnr: Name: Vorname: : Modul 32711 Business Intelligence Termin: 28.03.2014, 9:00 11:00 Uhr Prüfer: Univ.-Prof. Dr. U. Baumöl Aufbau und Bewertung der Aufgabe

Mehr

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG

Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen MUSTERLÖSUNG Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Aufbaustudium 1. Musterklausur Informations-

Mehr

Fakultät für Wirtschaftswissenschaft. Aufgabenheft zu. Klausur: Modul 32711 Business Intelligence. Termin: 23.09.2014, 11:30 13:30 Uhr

Fakultät für Wirtschaftswissenschaft. Aufgabenheft zu. Klausur: Modul 32711 Business Intelligence. Termin: 23.09.2014, 11:30 13:30 Uhr Fakultät für Wirtschaftswissenschaft Aufgabenheft zu : Modul 32711 Business Intelligence Termin: 23.09.2014, 11:30 13:30 Uhr Prüfer: Univ.-Prof. Dr. U. Baumöl Aufbau und Bewertung der Aufgabe 1 2 3 4 Summe

Mehr

Matrikelnr: Name: Vorname: Aufgabe 1 2 3 4 Summe Maximal erreichbare 20 30 30 20 100 Punktzahl Erreichte Punktzahl. Note:

Matrikelnr: Name: Vorname: Aufgabe 1 2 3 4 Summe Maximal erreichbare 20 30 30 20 100 Punktzahl Erreichte Punktzahl. Note: Fakultät für Wirtschaftswissenschaft Matrikelnr: Name: Vorname: : Modul 32711 Business Intelligence Termin: 27.09.2013, 9:00 11:00 Uhr Prüfer: Univ.-Prof. Dr. U. Baumöl Aufbau und Bewertung der Aufgabe

Mehr

19.03.2012, 11:30-13:30 Uhr

19.03.2012, 11:30-13:30 Uhr Fakultät für Wirtschaftswissenschaft Matrikelnr. Name Vorname : Termin: Prüfer: Modul 31311 IT Governance 19.03.2012, 11:30-13:30 Uhr Univ.-Prof. Dr. U. Baumöl Aufbau und Bewertung der Aufgabe 1 2 3 4

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

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

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

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

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

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

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

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

OLAP und Data Warehouses

OLAP und Data Warehouses OLP und Data Warehouses Überblick Monitoring & dministration Externe Quellen Operative Datenbanken Extraktion Transformation Laden Metadaten- Repository Data Warehouse OLP-Server nalyse Query/Reporting

Mehr

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

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

Mehr

Wir wünschen Ihnen viel Erfolg!

Wir wünschen Ihnen viel Erfolg! Institut für Wirtschaftswissenschaftliche Forschung und Weiterbildung GmbH Institut an der FernUniversität in Hagen Name Straße PLZ, Ort IWW Studienprogramm Grundlagenstudium 2. Musterklausur: Führung

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

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

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

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

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

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

Internationaler Controller Verein. Gründungssitzung der Projektgruppe Business Intelligence Stuttgart, 26.01.2006

Internationaler Controller Verein. Gründungssitzung der Projektgruppe Business Intelligence Stuttgart, 26.01.2006 Internationaler Controller Verein Gründungssitzung der Projektgruppe Business Intelligence Stuttgart, 26.01.2006 Agenda 10.00 Begrüßung 10.00 Rolle des Controllers im Umfeld Business Intelligence (A. Seufert)

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

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

Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management

Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management Andrei Buhrymenka Erfolgreiche Unternehmensführung durch den Einsatz von Corporate Performance Management Für Unternehmen mit Business Intelligence Diplomica Verlag Andrei Buhrymenka Erfolgreiche Unternehmensführung

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

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

AGM Project & Education GmbH

AGM Project & Education GmbH AGM Project & Education GmbH Leipzig Datenschutzkonferenz dtb Kassel November 2011 20.11.2011 Detlev.Sachse@agm-onside.com 1 Zur Person 20.11.2011 Detlev.Sachse@agm-onside.com 2 Thema Data-Mining am Beispiel

Mehr

Welche Daten gehören ins Data Warehouse?

Welche Daten gehören ins Data Warehouse? Welche Daten gehören ins Warehouse? Dani Schnider Principal Consultant 9. Januar 2012 In vielen DWH-Projekten stellt sich die Frage, welche Daten im Warehouse gespeichert werden sollen und wie dieser Datenumfang

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

Corporate Performance Management als Weiterentwicklung von Business Intelligence

Corporate Performance Management als Weiterentwicklung von Business Intelligence Martin Kobrin Corporate Performance Management als Weiterentwicklung von Business Intelligence Grundlagen, Implementierungskonzept und Einsatzbeispiele Diplomica Verlag Martin Kobrin Corporate Performance

Mehr

Agile Analytics Neue Anforderungen an die Systemarchitektur

Agile Analytics Neue Anforderungen an die Systemarchitektur www.immobilienscout24.de Agile Analytics Neue Anforderungen an die Systemarchitektur Kassel 20.03.2013 Thorsten Becker & Bianca Stolz ImmobilienScout24 Teil einer starken Gruppe Scout24 ist der führende

Mehr

Survival Guide für Ihr Business Intelligence-Projekt

Survival Guide für Ihr Business Intelligence-Projekt Survival Guide für Ihr Business Intelligence-Projekt Sven Bosinger Solution Architect BI Survival Guide für Ihr BI-Projekt 1 Agenda Was ist Business Intelligence? Leistungsumfang Prozesse Erfolgsfaktoren

Mehr

Agenda. 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

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

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

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

CRM Architektur. New Economy CRM Architektur Page 1

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

Mehr

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

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards

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

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

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. 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

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

Unlimited Controlling

Unlimited Controlling smcolap Unlimited Controlling Heute müssen beliebige Bereiche eines Unternehmens schnell und effizient analysiert werden. Dabei darf es keine Rolle spielen, wo die Daten liegen und in welcher Relation

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

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

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

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

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

Mehr

Michael Bauer Niederlassungsleiter Köln

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

Mehr

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

Nach Data Warehousing kommt Business Intelligence

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

Mehr

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

Data Warehouse Version: June 26, 2007. Andreas Geyer-Schulz und Anke Thede

Data Warehouse Version: June 26, 2007. Andreas Geyer-Schulz und Anke Thede Data Warehouse Version: June 26, 2007 Andreas Geyer-Schulz und Anke Thede Schroff-Stiftungslehrstuhl Informationsdienste und Elektronische Märkte Fakultät für Wirtschaftswissenschaften Gebäude 20.20 Rechenzentrum,

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

Master-Thesis (m/w) für unseren Standort Stuttgart

Master-Thesis (m/w) für unseren Standort Stuttgart Master-Thesis (m/w) für unseren Standort Abschlussarbeit im Bereich Business Process Management (BPM) Effizienzsteigerung von Enterprise Architecture Management durch Einsatz von Kennzahlen Braincourt

Mehr

Data Warehousing. Sommersemester 2005. Ulf Leser Wissensmanagement in der Bioinformatik

Data Warehousing. Sommersemester 2005. Ulf Leser Wissensmanagement in der Bioinformatik Data Warehousing Sommersemester 2005 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte

Mehr

GDP4U. Intelligente Ideen für Finanzinstitute

GDP4U. Intelligente Ideen für Finanzinstitute GDP4U Intelligente Ideen für Finanzinstitute --> GDP4U Die Grundsätze zum Datenzugriff und zur Prüfbarkeit digitaler Unterlagen (GDPdU 147 Abs. 6 AO) verpflichten Finanzinstitute, den Finanzbehörden den

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

KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm. Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen

KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm. Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen KOMPLEXITÄT BEGREIFEN. LÖSUNGEN SCHAFFEN. viadee crm Transparente Prozesse und vertrauenswürdige Daten als Fundament Ihrer Entscheidungen VIADEE CRM VIEL MEHR ALS EIN STÜCK SOFTWARE Eine Vielzahl von unterschiedlichen

Mehr

Datenintegration mit Informatica PowerCenter

Datenintegration mit Informatica PowerCenter Datenintegration mit Informatica PowerCenter Mein Weg vom Studenten zum Consultant Christoph Arnold 03.07.2013 1 Agenda Von der THM zu Infomotion Datenschieberei oder doch mehr? Die weite Welt von Informatica

Mehr

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

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

Einführung in Business Intelligence

Einführung in Business Intelligence Einführung in Business Intelligence Grundlagen und Anwendungsmöglichkeiten Prof. Dr. Wolfram Höpken wolfram.hoepken@eloum.net eloum @ Hochschule Ravensburg-Weingarten Informationsveranstaltung ebusiness-lotse

Mehr

Technische Seminarreihe Empowering Business Intelligence

Technische Seminarreihe Empowering Business Intelligence PRESSEMITTEILUNG / Veranstaltungshinweis Technische Seminarreihe Empowering Business Intelligence Trivadis bietet für Entwickler, Projektleiter, Datenbank-Administratoren sowie DWHund BI-Interessierte

Mehr

Social Media trifft Business

Social Media trifft Business Social Media trifft Business Intelligence Social Media Analysis als Teil der Unternehmenssteuerung Tiemo Winterkamp, VP Global Marketing Agenda Social Media trifft Business Intelligence Business Intelligence

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

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

Business Intelligence - Wie passt das zum Mainframe?

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

Mehr

Forum Kommune 21, DiKOM Nord Hannover, 17. Februar 2011

Forum Kommune 21, DiKOM Nord Hannover, 17. Februar 2011 Forum Kommune 21, DiKOM Nord Hannover, 17. Februar 2011 Trends, Muster und Korrelationen erkennen und die richtigen Schlüsse daraus ziehen: MACH BI der für öffentliche Einrichtungen passende Zugang zur

Mehr

Data Mining-Projekte

Data Mining-Projekte Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein

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

Modul-Abschlussklausur zum. C-Modul Nr. 32551. Supply Chain Management. Datum: Unterschrift des Prüfers

Modul-Abschlussklausur zum. C-Modul Nr. 32551. Supply Chain Management. Datum: Unterschrift des Prüfers FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT MATRIKELNUMMER Name: Vorname: Unterschrift: Modul-Abschlussklausur zum C-Modul Nr. 32551 Supply Chain Management Termin:, 11 30 13 30 Uhr Prüfer: Prof. Dr. Dr. h.c.

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

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

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH

Lars Priebe Senior Systemberater. ORACLE Deutschland GmbH Lars Priebe Senior Systemberater ORACLE Deutschland GmbH Data Mining als Anwendung des Data Warehouse Konzepte und Beispiele Agenda Data Warehouse Konzept und Data Mining Data Mining Prozesse Anwendungs-Beispiele

Mehr

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

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

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

Mehr

Hannover, 20.03.2015 Halle 5 Stand A36

Hannover, 20.03.2015 Halle 5 Stand A36 Integrierte Unternehmensinformationen als Fundament für die digitale Transformation vor allem eine betriebswirtschaftliche Aufgabe Hannover, 20.03.2015 Halle 5 Stand A36 Business Application Research Center

Mehr

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link

Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Konrad Linner, solvistas GmbH Nürnberg, 20.November 2012 Inhaltsverzeichnis Vorstellung solvistas

Mehr

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung

2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung 2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg

Mehr

Technische Integration des Informationssystems über SAP (1/6)

Technische Integration des Informationssystems über SAP (1/6) Technische Integration des Informationssystems über SAP (1/6) Software Systemsoftware Anwendungssoftware Betriebssysteme Standardsoftware Individualsoftware Übersetzungsprogramme Dienstprogramme andere

Mehr

Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte Einleitung

Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte Einleitung Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte DWH Projekt, Methodik, Stärken und Schwächen, Übersicht, Weg der Daten,

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

Inhaltsverzeichnis. Motivation. Analytisches CRM: Einführung. Version: 31. Juli 2009. 1 Motivation. Andreas Geyer-Schulz und Andreas Neumann

Inhaltsverzeichnis. Motivation. Analytisches CRM: Einführung. Version: 31. Juli 2009. 1 Motivation. Andreas Geyer-Schulz und Andreas Neumann Analytisches CRM: Einführung. Version: 31. Juli 2009 Andreas Geyer-Schulz und Andreas Neumann Schroff-Stiftungslehrstuhl Informationsdienste und Elektronische Märkte Fakultät für Wirtschaftswissenschaften

Mehr

Data Warehousing und anderetrends beim Einsatz der SAS Software in Unternehmen KSFE. 1. Konferenz der SAS Benutzer in Forschung und Entwicklung

Data Warehousing und anderetrends beim Einsatz der SAS Software in Unternehmen KSFE. 1. Konferenz der SAS Benutzer in Forschung und Entwicklung Data Warehousing und anderetrends beim Einsatz der SAS Software in Unternehmen KSFE 1. Konferenz der SAS Benutzer in Forschung und Entwicklung Unterschiedliche Geschäftsprozesse Operativer Dispositve Geschäftsbetrieb

Mehr

Management von Kundendaten mit Hilfe eines Data Warehouse

Management von Kundendaten mit Hilfe eines Data Warehouse Management von Kundendaten mit Hilfe eines Data Warehouse Abstrakt: Seitdem der CRM-Gedanke Verbreitung gefunden hat, werden an die Kenntnisse über Kunden hohe Anforderungen gestellt. Im gleichen Maße

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

Innovative Ansätze für den Gesundheitsmarkt. Mainz, 10. Mai 2011

Innovative Ansätze für den Gesundheitsmarkt. Mainz, 10. Mai 2011 Business Intelligence und Geovisualisierung Innovative Ansätze für den Gesundheitsmarkt Mainz, 10. Mai 2011 Prof. Dr. Anett Mehler-Bicher Prof. Dr. Klaus Böhm Inhalt Ausgangssituation und Motivation Motivation

Mehr

Business Intelligenceein Überblick

Business Intelligenceein Überblick Exkurs Business Intelligenceein Überblick Folie 1 Januar 06 Literatur Kemper, Hans-Georg; Mehanna, Walid; Unger, Carsten (2004): Business Intelligence: Grundlagen und praktische Anwendungen Eine Einführung

Mehr

Inhaltsübersicht INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG...

Inhaltsübersicht INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG... Inhaltsübersicht Inhaltsübersicht I INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG... 1 1.1 Zielsetzung und Motivation... 1 1.2

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

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

BICC, Organisation und Kompetenz Das Raiffeisen Solution SAS Competence Center

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

Mehr

Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO

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

Mehr

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI

In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI In-Memory Datenbanken im Kontext komplexer Analytics Pojekte am Beispiel der Otto Group BI Hanau, 25.02.2015 1 Titel der Präsentation, Name, Abteilung, Ort, xx. Monat 2014 Der Aufbau der Group BI Plattform

Mehr