Konzeptionen und Modelle für Data Warehouses: Eine Untersuchung am SAP BW

Größe: px
Ab Seite anzeigen:

Download "Konzeptionen und Modelle für Data Warehouses: Eine Untersuchung am SAP BW"

Transkript

1 MARMARA UNIVERSITÄT Fakultät für Wirtschafts- und Verwaltungswissenschaften Konzeptionen und Modelle für Data Warehouses: Eine Untersuchung am SAP BW Sami Bilal 0001 / 2004 Deutschsprachige Abteilung für Wirtschaftsinformatik Vorgelegt bei: Prof. Dr. Haldun Akpınar

2 Inhaltsverzeichnis INHALTSVERZEICHNIS... 2 ABBILDUNGSVERZEICHNIS... 4 TABELLENVERZEICHNIS... 5 ABKÜRZUNGSVERZEICHNIS... 6 EINLEITUNG BUSINESS INTELLIGENCE, DATA WAREHOUSING UND SAP Geschichtliche Entwicklung der Datenverwendung Anforderungen der Datenanalyse Der Data Warehouse-Begriff Business Intelligence SAP Data Warehousing und Business Intelligence Know-How Entwicklung im ERP-Umfeld Business Intelligence Lösung der SAP BW und Einbindung in Enterprise Portal ARCHITEKTURKONZEPTIONEN FÜR DATA WAREHOUSES Abgrenzung des DW Begriffs Definition einer Data Warehouse Der erweiterte DW-Begriff Fachbegriffe im DW-Umfeld Architekturbegriffe Analysebegriffe Speicherstrukturbegriffe Beschreibung einer DW Architekturbeschreibung nach Entstehungsprozess Architekturbeschreibung nach DW-Verwendung Architekturvarianten Morphologische Merkmale zur Zuordnung eines Systems zum DW Organisation der BW-Architektur Funktionsstruktur allgemein Datenhaltung Datenbereitstellung (Staging) Metadatenelemente in der BW-Architektur Elementare Bausteine Stammdatenbereich Speicherstrukturen Analysestrukturen ETL Strukturen

3 3 DATENMODELLE FÜR OLAP Datenmodelle als Bestandteil der Architektur Rahmenbedingungen zu relational-multidimensionalen Strukturen Ebenen der Datenmodellierung Multidimensionale Strukturen ROLAP und MOLAP Von normalisierter Struktur zum Sternenschema Logische Datenschemata für multidimensionale Strukturen Flache Strukturen Starschema Snowflake-Schema Galaxy-Schema Zusammenfassung von Schemaeigenschaften Physisches Datenschema bei BW Erweitertes Starschema Abkapselung von InfoCubes Stammdatenmodell des BW Master-Data-Modell Modellierung von Hierarchien MODELLIERUNG VON DATENBEREITSTELLUNG Staging in BW Extraction Layer Inflow Layer Transformation Layer Integration Layer Transformationsprozesse Datenintegrationstransformationen Anwendungslogik-enthaltende Transformationen Transformationsarten nach Objekten Transformationsstufen in BW Referenzstrukturen für den Datenfluss ZUSAMMENFASSUNG UND SCHLUSSWORT LITERATURVERZEICHNIS EHRENWÖRTLICHE ERKLÄRUNG

4 Abbildungsverzeichnis Abbildung 1-1: Know-How-Export aus R/3 in andere Produkte Abbildung 1-2: Struktur der SAP BI-Lösung Abbildung 2-2-1: Das Common Warehouse Metamodel Abbildung 2-2: Der erweiterte DW- Begriff Abbildung 2-3: Erste Auffassungsart für ein ODS Abbildung 2-4: Der Business Dimensional Lifecycle Abbildung 2-5: Data Warehousing Begriffe nach Kimball Abbildung 2-6: Der Corporate Information Factory Abbildung 2-7: Normierung der CIF (Abb. 2-6) Abbildung 2-8: Normierte Abbildung der CIF Abbildung 2-9: Hub & Spoke Architektur Abbildung 2-10: Architekturaufbau von BW nach SAP Abbildung 2-11: Allgemeine Funktionale Architektur des BW Abbildung 2-12: Speicherstrukturarchitektur von BW Abbildung 2-13: ETL-Services Architektur von BW Abbildung 2-14: Das Metadatenmodell von BW Abbildung 2-15: InfoObject-Typen und Attributbeziehungen Abbildung 2-16: Datenarten in BW Abbildung 2-17: Stammdaten und Stammdatenoptionen in BW Abbildung 2-18: Beispiel für externe Hierarchien Abbildung 3-1: Datenwürfel mit 3 Dimensionen Abbildung 3-2: Mittelkomplexes ERM Beispiel für ein Unternehmen Abbildung 3-3 Relationen des Verkaufsprozesses ohne Attribute Abbildung 3-4: Starschema zum Verkaufsprozess Abbildung 3-5: Flache Tabellenstruktur Abbildung 3-6: Starschema Abbildung 3-7: Snowflake-Schema Abbildung 3-8: Galaxy-Schema Abbildung 3-9: Erweitertes Starschema / InfoCube Abbildung 3-10: Stammdatenmodell des BW Abbildung 3-11: Modellierungsmöglichkeiten bei Hierarchien Abbildung 4-1: Replizierung der DataSources Abbildung 4-2: Paketweise Übermittlung von Daten Abbildung 4-3: Standardreferenzmodell für das Staging im BW

5 Tabellenverzeichnis Tabelle 1-1: Vergleich von OLTP und OLAP Tabelle 1-2: Beziehungen von SAP Produktkomponenten mit BW Tabelle 2-1: Merkmale, die von Data- und InfoMarts gewährleistet werden können Tabelle 2-2: Morphologische Merkmale zur Zuordnung eines Systems zum DW Tabelle 2-3: Datentypen für Merkmale Tabelle 2-4: Datentypen von Kennzahlen Tabelle 3-1 :Die Entwurfsebenen und korrespondierende Modellierungsmethoden Tabelle 3-2: Operationen auf einen Datenwürfel Tabelle 3-3: Schemabegriffe bei BW Tabelle 3-4: Vergleich von Datenschemata Tabelle 4-1: Datenintegrationstransformationen Tabelle 4-2: Anwendungslogik-enthaltende Transformationen Tabelle 4-3: Transformationsarten nach Objekten Tabelle 4-4: Übertragungsregeln und Transferregeln

6 Abkürzungsverzeichnis ABAP ADK APO API ASCII BAPI BI BW CRA CRM CWM DBMS DW ERM ERP ETL MDX ODBO ODBC ODS OLAP OLTP OMG PSA RDBMS RRI SAP SCM SEM SID SOAP SQL UML XMI XML XML/A Advanced Business Applications Programming Archiving Development Kit Advanced Planning & Organization Application Programming Interface American Standard Code for Information Interchange Business Applications Programming Interface Business Intelligence Business Information Warehouse Customer Relationship Analytics Customer Relationship Management Common Warehouse Metamodel Database Management System Data Warehouse Entity Relationship Model(ing) Enterprise Resource Planning Extract, Transfer, Load Multidimensional Expressions ODBC for OLAP Open Database Connectivity Operational Data Store Online Analytical Processing Online Transaction Processing Object Management Group Persistent Staging Area Relational DBMS Report-to-Report Interface Systeme, Anwendungen, Produkte Supply Chain Management Strategic Enterprise Management Stammdatenidentifikationsschlüssel Simple Objects Access Protocol Structured Query Language Unified Modelling Language XML Metadata Interchange Extensible Markup Language XML for Analysis 6

7 Einleitung Data Warehouses stellen ein relativ neues Speicherkonzept zur Organisation von großen Datenbeständen dar. Die Untersuchung von geeigneten Architekturkonzeptionen und Datenstrukturen für große Datenbestände wurde ca. Anfang 90er Jahre unter dem Namen Data Warehousing zur eigenständiger Disziplin vorgehoben. Zentrales Untersuchungsfeld dieser Disziplin war die Integration von großen Datenmengen und verschiedenen Systemlandschaften unter dem Data Warehouse- Dachgebilde, sodass die Schaffung einer vernünftigen Datenbasis zur Analysezwecken möglich sein sollte. Um geeignete Strukturen für Data Warehouses (DW) schaffen zu können, sind verschiedene Anforderungen und Randbedingungen zu beachten: Wir können diese grob in die betriebswirtschaftlichen, technischen und geographischen Klassen einteilen. Modelle sind die Instrumente, mit dem wir die Lösungen beschreiben, die diese Anforderungen befriedigen können. Modelle sind aber auch Werkzeuge, die zur Lösung von verallgemeinerten Problemstellungen geschaffen wurden. In dieser Hinsicht können Modelle und Modellierungsmethoden selbst als ein separates Untersuchungsobjekt betrachtet werden. Im Rahmen dieser Arbeit versuche Ich am Beispiel von SAP Business Information Warehouse (BW) die verschiedenen Architekturmöglichkeiten, Datenmodelle und Stagingszenarien vorzustellen. Behandelt werden also ausschließlich Datenstrukturen und ETL-Prozesse, die Datenverwendung (z. B. Reporting und Data Mining) liegt außerhalb des Untersuchungsrahmens. Die Behandlung des Inhalts erfolgt folgendermaßen: Im Kapitel 1 unternehme Ich eine kurze Einführung zu Data Warehousing und versuche den Entwicklungsumfeld von SAP BW zu beschreiben. SAP BW wurde von SAP im Haus entwickelt. Die SAP-Produktpalette übt also einen maßgeblichen Einfluss auf die Architektur von BW. In Kapitel 2 werden Rahmenbedingungen für die betriebliche Problematik für Data Warehouses näher untersucht. DW-Architekturtypen und ihre Elemente werden beschrieben. Letztendlich werden die Implementierung dieser Architekturelemente im dem BW untersucht. Mittel zur Beschreibung sind Architekturmodelle. In Kapitel 3 wird das Kernelement einer DW-Lösung untersucht: Datenschemata. Verschiedene logische Schemata werden hinsichtlich der Komplexität verglichen und das BW-Standarddatenschema vorgestellt. Eine Anleitung zur Erstellung von Modellen 7

8 nach verschiedenen Qualitätskriterien oder eine Vorstellung von Referenzmodellen aus verschiedenen Anwendungsbereichen wird nicht angestrebt. Mittel zur Beschreibung sind Datenschemata. Letztendlich untersucht Kapitel 4 den Weg, auf den Daten von transaktionalen Systemen zu Data Warehouses gelangen. Dabei werden Anforderungen an ein ETL- System aufgelistet und die Implementation der BW-Lösung beschrieben. Mittel zur Beschreibung in diesem Kapitel sind Datenflussschemata. 8

9 1 Business Intelligence, Data Warehousing und SAP 1.1 Geschichtliche Entwicklung der Datenverwendung Daten stellen in vielen informationstechnologischen Anwendungen ein zentrales Designmerkmal dar. Unter dem Begriff der Datenbank kennen wir aber die Softwareklasse, die die effiziente Verwaltung und Nutzung der Daten als Hauptfunktionalität betrachtet. Die Funktionalität und Leistungsvermögen der Datenbanken werden nach den Operationen auf Daten gemessen. Es existieren viele verschiedene Strukturen für Datenbanken. Bis in die 80er Jahre richteten diese sich hauptsächlich nach den Anforderungen der Datenoperationen. Frühere Datenbanken gaben sich zufrieden, mit einfachen Gruppierungen und Sortiermechanismen zu arbeiten. Es ging einfach darum, ein Effizientes I/O und alternative Gruppierungsmechanismen zu Filesystemen zu implementieren. Auf Datensätzen sollte beliebig zugegriffen werden (Random Access). Im Rahmen der effizienten Zugriff auf Daten haben sich relationale Datenbanken (RDBMS) am Markt durchgesetzt. Das Lesen, Schreiben, Ändern und Löschen von Datenfelder oder Datensätzen bei RDBMS wird unter dem Namen Query zusammengefasst. Ein Query stellt somit die atomare Funktion dar, die auf Daten zugreifen kann. Zur Beschreibung dieses Funktionsumfangs hat sich die Structured Query Language (SQL) durchgesetzt. Die Durchführung einer Query oder sonstigen verwaltungstechnischen Datenbankoperationen nennt man eine Transaktion. Eine transaktionsorientierte Betrachtungsweise erlaubt Leistungsoptimierungen, Sicherheits-, Überwachungs- und Wiederherstellungsfunktionen für verschiedene Operationsarten. Der Fokus der relationalen Datenbanken auf diese abgegrenzten, atomaren Funktionen erlaubte die Implementierung verschiedener Lösungen für ganz unterschiedliche Unternehmenstypen. Relationale Datenbanken und Entity Relationship Modelle (ERM) dominierten die Datenwelt Anforderungen der Datenanalyse Hochnormalisierte Tabellenstrukturen nach dem ERM bieten viele Vorteile: Sie vermeiden redundante Speicherung und verringern somit die Fehlerquote bei der Einund Ausgabe von Daten. Sie sind sehr schnell in Operationen und ermöglichen eine flexible Erweiterung des Modells. Sie haben jedoch auch große Nachteile in der Analyse. 9

10 Im Laufe der Zeit nimmt die Menge und Umfang an gespeicherten Daten ständig zu. Dementsprechend weisen integrierte Speicherstrukturen eine stetig zunehmende Komplexität. Dies schlägt sich in komplexere transaktionelle Modelle nieder, was bei normalisierten Strukturen den Aufbau einer Query erschwert. Das SQL Select -Clause sammelt eigentlich Daten von verschiedenen persistenten Tabellen und baut (join) sie zusammen zur Laufzeit zu einer Tabellenstruktur. Architekten von Datenbanken können zum Teil den Abfragebedarf von Informationsverwendern vorausahnen und notwendige Abfragen mit dem Produkt (die Datenbank) ausliefern. Dies ist z. B. bei ERP Systemen der Fall, wo das Datenmodell vor der Auslieferung feststeht und die Geschäftsprozesse der Informationskunden durch Referenzmodellen abgebildet werden kann. ERP Systeme sind jedoch primär auf operatives Reporting angepeilt. Strategische Informationen und Analysen haben unterschiedliche Sammlungsmethoden und Zielkriterien. Der Unterschied zu operativen Abfragenprozessen ist beträchtlich. So haben sich die Begriffe OLTP und OLAP entwickelt. Ziel Tabelle 1-1: Vergleich von OLTP und OLAP OLTP OLAP Effizienz der Datenverwaltung durch Automation steigern Effektivität der Entscheidungen/Prozesse durch Informationsgenerierung erhöhen Themenbezogen Inhalt der Daten Anwendungsbezogen, Funktionsbezogen Art der Daten Transaktionsdaten Aggregierte Daten Alter der Daten Aktuell und zeitnah (0-60 Tage) Datenvolumen Klein Sehr hoch Hauptfunktionalität Häufige Änderungen Zeitabhängige Auswertungen Datenintegration Gering bei isolierten Anwendungen, höher bei ERP Historisch (2-10 J, typisch 5J) und aktuell Integration aus allen möglichen Datenquellen DBMS-Technologie Relationale Datenbanken Relationale und Multidimensionale Datenbanken Datenmodell Normalisiert nach ERM Denormalisiert nach ERM, Normalisierungskriterium MNF Semantische Entity Relationship Modell Multidimensionales ERM 10

11 Modellierungsmethode Qualitätskriterium der Modellierungsmethoden NF: Nichtredundante Speicherung und Verweiseffizienz MNF: Nichtredundanz, Abbildungstreue zur Anwendungswelt, Kontextabhängigkeit der Datenverwendung Lesen Erlaubte Operationen auf Einfügen, aktualisieren, den Datenbestand löschen, lesen Quelle: Eigene Darstellung, in Anlehnung an ([TS-SapBw02], 15) Wachstum von Datenbanken Daten wurden in Unternehmen an verschiedenen stellen für verschiedene Zwecke erhoben. Manchmal wurden dieselben Daten an verschiedenen Stellen oder durch verschiedene Parteien erhoben und redundant gespeichert. Da verschiedene Abteilungen verschiedene Betrachtungsweisen auf denselben Sachverhalt hatten, wurden andere Begrifflichkeiten, Definitionen oder Formate für die Beschreibung derselben Datengrundlage verwendet. Das Management hat in verschiedenen Abteilungen unterschiedliche Antworten auf die gleiche Fragestellung bekommen. Mit der Zeit verschärften sich die Probleme der Dateninkonsistenz. Unternehmensfusionen, geographische und funktionale Unternehmensexpansion, Austausch von Daten mit den Geschäftspartnern führten zu neuen Integrationsproblemen. Der Begriff der Enterprise Integration ist heute sehr populär, und umfasst nicht nur Anwendungen, sondern Daten, Prozesse und Funktionen ERP-Systeme Eine Lösungsmöglichkeit für das Datenintegrationsproblem ist das Erfassen aller Geschäftstransaktionen auf einer integrierten Datenbasis. Häufig ist das ein Problem, weil Geschäftsprozesse durch verschiedene Anwendungen bearbeitet werden, die unterschiedlichen Speicherungskonzeptionen verschiedener Hersteller folgen. Im betrieblichen Anwendungssystemen erfordert dies der homogene Aufbau aller Anwendungen, sodass sie meistens im Form einer Suite von einem Hersteller stammen. Nach den betriebswirtschaftlichen Hintergründen dieser Softwareart werden solche Systeme Enterprise Resource Planning Systeme (ERP) genannt. Prominente Vertreter dieser Gattung von Software sind z. B. SAP R/3, Oracle Applications, PeopleSoft EnterpriseOne und SSA Baan. Die Datenbestände und Applikationslogik von ERP Systemen weisen ein wichtiges Differenzmerkmal zu herkömmlichen DBMS-Softwarepaketen auf. Da die Orientierung mehr auf Geschäftssysteme liegt, werden viele Tabellen vor der Installation fest 11

12 vorgegeben. Andere Tabellen werden im Rahmen der Customizing 1 abgeschaltet. frei- bzw. Es ist jedoch anzumerken, dass alle ERP-Systeme langsam aus ihren eigenen, betrieblichen Kernkompetenz-Anwendungsgebiet herausgewachsen sind. Dies bewirkt, dass die betriebliche Taxonomie bei ERP-Systemen teilweise sehr unterschiedlich aussieht. Diese Taxonomie schlägt sich auch in Tabellenstrukturen nieder. ERP-Systeme ermöglichten die Integration der Datenbasis auf einer höheren Normalisierungsstufe. Da sie aber eine sehr breite Palette von Geschäftsarten und Transaktionen erfassen sollen, sind ihre Tabellenstrukturen äußerst komplex. Die Größenordnung von relational/inhaltlich zusammenhängenden Tabellen wird in Tausenden gemessen. Bei solch einer Komplexität ist die Erstellung einer Abfrage- Query äußerst mühsam und wegen der langen Entwicklungszeit unrentabel. Laufzeitkosten für umfassende Queries stellen auch sehr große Probleme dar Der Data Warehouse-Begriff Die Situation in vielen Unternehmen ist durch dıe steigende Datenflut bei gleichzeitigem Informationsdefizit gekennzeichnet. Obwohl die Informationsversorgung v.a. mittels Management Information Systems (MIS) einen wichtigen Wettbewerbsfaktor darstellt, fehlt häufig die passende Information die zur zielgerichteten Entscheidungen führt. Data Warehouses (DW) sollen die Quelle für den betrieblichen Informationsfluss bilden. Dazu sollen sie einen integrierten Datenbestand liefern, der allen möglichen Informationsanforderungen gewachsen ist und somit die Infrastruktur der Informationslogistik bildet. Die Probleme der eigenentwickelten transaktionellen Datenbanken und ERP-Systemen hinsichtlich der Transparenz und Leistungsfähigkeit der Strukturen sollen bei DW-Implementationen gelöst werden. So soll der DW den single version of business truth abbilden. ([McDonald2002], 8) Ein Data Warehouse ist kein Produkt, sondern ein Konzept, das sich der Datenproblematik von managementunterstützenden Systemen annimmt. ([TS- SapBw02], 1) Business Intelligence Die Archivierung der integrierten Daten in einem Data Warehouse alleine bringt noch keine Wettbewerbsvorteile, sondern erst deren kreative und intelligente Verwendung ([Behme1996], 30f). Diese Art der Nutzung von unternehmensweit verfügbarem 1 Customizing ist die Auswahl, Parametrisierung und Erweiterung von ERP-Komponenten nach dem betrieblichen Anforderungen an eine Softwareinstallation. 12

13 Wissen wird heute trotz einiger Kontroversen als Business Intelligence (BI) bezeichnet. Vorläufer dieser Idee waren Konzepte wie Management Information Systeme (MIS), Decision Support Systeme (DSS/EUS) und Führungsinformationssysteme (FIS/EIS) ([Schinzer1999], 5f). Der Begriff Business Intelligence wurde 1989 von der Gartner Group geprägt und folgendermaßen definiert: Business Intelligence is the process of transforming data into information and, through discovery, into knowledge. ([Behme1996], 37f). 1.2 SAP Data Warehousing und Business Intelligence Hier wird kurz die Produktpalette der SAP im Umfeld der Business Intelligence Lösungen vorgestellt. Das Data-Warehouse-System von SAP heißt Business Information Warehouse (BW) Diese Vorstellung gibt eine Übersicht über die Verwendungsmöglichkeiten der BW und bietet zugleich eine Einsicht über die Reportingfunktionen der älteren SAP Produkte. Diese Einsicht werden wir dazu Nutzen, um unterschiede zwischen der Datenauswertungsarten bei transaktionalen Systemen und Datenlager zu beschreiben. Zudem werden gewisse Anforderungen an das BW gestellt, dass eine Anpassung des herkömmlichen DW-Datenmodells erfordert. Diese Modelländerungen sind nur dann nachvollziehbar, wenn die Implementierungsanforderungen der (auf dem BW aufbauenden) SAP-Produktkomponenten bekannt sind. Als letztes werde die große Bedeutung dieser Produktkomponenten auf die Entwicklung der Business Content genannt Know-How Entwicklung im ERP-Umfeld SAP hat zur Erfassung der Transaktionen den ERP-System R/3 entwickelt. In den diversen Modulen von R/3 steckt viel Wissen über die Abläufe in unterschiedlichsten Geschäftstypen aus verschiedenen Sektoren. Die neue Bezeichnung für R/3 heißt mysap. Zukünftig wird es wahrscheinlich zu einem Core Component umgebaut und umbenannt Reporting im R/3 R/3 besitzt eine modulare Aufbau (siehe Abbildung 1-1) mit Komponenten für Logistik, Finanzbuchhaltung, Personalwirtschaft und Zusatzkomponenten wie Branchenlösungen und Workflow Management Lösungen. Diese Komponenten werden von verschiedenen Entwicklungsteams entwickelt, damit die betriebswirtschaftlichen Spezialkenntnisse in einem bestimmten Bereich ausgeschöpft werden können. Eine der Folgen dieser Vorgehensweise war, dass in verschiedenen Modulen die Reportingfunktionen mit völlig verschiedenen softwaretechnischen Methoden realisiert wurden. Die Reportingfunktionalität wurde in einem Information Systems Layer integriert und harmonisiert. ([McDonald2002], 22) 13

14 Die erste OLAP Funktionalität in R/3 findet man im research processor der Controlling und Profitability Analysis (CO-PA). Heute nennt man diese Funktionalität in R/3 Drill- Down Reporting. Das browsen durch Daten wurde von dem Report-to-Report Interface (RRI) realisiert. ([McDonald2002], 23) Es handelt sich hierbei aber um ein Tool, das die Berichtnavigation über die Abfragefunktionen verschiedener Teilmodulen realisiert. Es findet also keine echte Datennavigation durch Änderung der Abfrageparameter statt. Primäre Motivation zur Erweiterung der Produktpalette mit einer hauseigenen DW war die Kundenanforderungen nach verbessertem Zugang zum Daten im R/3. ([McDonald2002], 23) Einsatz des SAP-Produktwissens bei BW Aktuelle Anwendungen aus der Wirtschaftsinformatik haben auch auf neue Produkte und Bezeichnungen bei SAP geführt. Diese sind zum Beispiel neue Produkte für Customer Relationship Management (CRM), Supply Chain Management (SCM) und Strategic Enterprise Management (SEM). Abbildung 1-1: Know-How-Export aus R/3 in andere Produkte Quelle: Eigene Darstellung Diese Anwendungen und der Business Information Warehouse (BW) haben sehr viel betriebswirtschaftliches Implementierungs-Know-how aus R/3 übernommen (vgl. [McDonald2002], 22). Die Datenanforderungen dieser Lösungen sind auf die Analyse 14

15 ausgerichtet. Dementsprechend greifen diese Lösungen nicht auf Daten aus dem ERP- System mysap, sondern aus Daten des Business Information Warehouse zu Business Intelligence Lösung der SAP Die SAP AG bietet mit ihrem Produktpaket mysap Business Intelligence, das Teil der umfassenden Strategie der mysap-familie ist, eine Lösung für das Informationsmanagement und die Entscheidungsunterstützung an. SAP bietet seine Lösungen in sogenannten Solution Maps. Diese koppeln Anwendungen wie Strategic Enterprise Management (SEM) oder Customer Relationship Management (CRM) mit Basisanwendungen der Business Intelligence Solution. Ein sehr breites Aufgabenspektrum wird mit der Business Intelligence (BI) Lösung aufgegriffen: Data Warehousing, Reporting und Analyse, Information Deployment über den mysap Workplace, Planung und Simulation, Balanced Scorecard Implementation, Web Content Management und verschiedene analytische Anwendungen ([McDonald2002], Kap. 8) Produkt (Technology Component) Tabelle 1-2: Beziehungen von SAP Produktkomponenten mit BW Anwendung Zielsetzung Beziehung mit BW (Analytic Application) reflexive Beziehung, liefert oder empfängt von BW: Hub / Spoke (Warehouse / Data Mart) BW - Datenintegration, für Analyse geeignete Datenstrukturen erstellen und verwalten SAP SEM SAP CRM SAP APO MySAP Financials Implementierung von Controlling Methoden (Scorecarding, div. Finanzplanungsmethoden), Konsolidierung verwendet Daten von BW, schreibt in transaktionelle InfoCubes zurück, baut als Modul auf BW mysap CRM Kundenanalyse per Data Mining verwendet Daten von BW (Data Mining Workbench und Business Content), Customer Relationship Analytics (CRA) ist in BW integriert mysap SCM Informationsflüsse zwischen Geschäftspartner organisieren (SCOR-Modell, SC-Planung, Monitoring) Datenquelle: ([McDonald2002],,336) APO System hat eingebettete BW- Technologie, ist von BW separat 15

16 1.2.3 BW und Einbindung in Enterprise Portal Daten im Rahmen der Business Intelligence werden in zwei Kategorien organisiert: Strukturierte und nicht-strukturierte Daten. Die strukturierten Daten werden im BW in einem DW-Format, die nicht strukturierten im Enterprise Portal erfasst. Strukturierte Daten haben eine Speicherstruktur, wodurch sie mit datenbanktechnischen Abfragen erreichbar werden. Nichtstrukturierte Daten müssen manuell oder mit Content-Management Methoden indiziert und kategorisiert werden, wenn sie in Informationssystemen mit geringem Aufwand auffindbar sein sollen. Der Enterprise Portal liefert die nötige technische Infrastruktur zur Taxonomie und Indizierung. Ein interessante Funktion bei Enterprise Portal ist Business Unification. Diese optionale Komponente erlaubt die Verlinkung eines im Repository gespeicherten Geschäftsobjekts mit einem Anderen. Somit ist es zum Beispiel möglich, dass Elemente aus Stammdaten (Master Data) in transaktionalen Systemen mit Objekten aus dem Portal-Content verlinkt werden. ([McDonald2002], 32) Dies wirkt wie ein Link zwischen strukturierten und nicht-strukturierten Inhalten. Ein Beispiel dazu wäre ein drag & drop Link der Klagefall eines Kunden mit einer spezifischen Retoure, die z. B. wegen Prezedenzfallcharakter in Portalinhalt aufgenommen wurde. Abbildung 1-2: Struktur der SAP BI-Lösung Quelle: ([McDonald2002], 25) 16

17 2 Architekturkonzeptionen für Data Warehouses 2.1 Abgrenzung des DW Begriffs Definition einer Data Warehouse W.H. Inmon hat die folgende Definition von Data Warehousing geprägt: Ein Datenlager 2 ist eine themenorientierte, integrierte, nichtvolatile und historisierte Sammlung von Daten die primär auf die Entscheidungsprozesse der Organisation unterstützt ([Inmon 2001]). Eine nähere Betrachtung der Schlüsselbegriffe (vgl. [TS- SapBw2002], 1-2): 1. subject-oriented: Die Themenausrichtung an Sachverhalten des Unternehmens, z.b. Kunden- oder Produktkriterien, wird im BW durch das konsequente Einordnen aller Daten in Fachbereiche und durch die Bezugnahme auf Geschäftsprozesse realisiert. 2. integrated: Mit dem DW-Konzept wird die unternehmensweite Integration von Daten in einem einheitlich gestalteten System angestrebt ([Behme 2000], 11f). Vereinheitlichung und Integration externer und interner Daten bedeutet weniger die physische Zentralisierung der Daten in einem zentralisierten Datenpool, sondern deren logische Verbindung. 3. nichtflüchtig (nonvolatile): Bei einer DW handelt es sich um eine dauerhafte Sammlung von Informationen, auf die im Gegensatz zu OLTP-Systemen nur in Form von Lese- und Einfügeoperationen zugegriffen werden darf, um die Nicht-Volatilität der Daten sicherzustellen. Dieser Forderung kann jedoch nur bedingt zugestimmt werden, da Korrekturen von aus Quellsystemen geladenen Daten auf jeden Fall möglich sein müssen. 3 ([Behme1996], 31f) 4. historisiert (time-variant): Während bei operativen Systemen eine zeitpunktgenaue Betrachtung der Daten im Mittelpunkt steht, liegt das Interesse bei Auswertungen im DW eher in einer Zeitraumbetrachtung, z.b. einer Trendanalyse ([Behme 1996], 31f). Die Historisierung ist daher impliziter oder expliziter Bestandteil der Daten in einem 2 Datenlager wird als Synonym zur Data Warehouse verwendet 3 Das BW bietet hierfür eine Eingangsablage in Form der Persistent Staging Area (PSA), das Korrekturen von Daten vor der Fortschreibung zulässt. Andere Anwendungen wie SEM brauchen zumindest eine Kopie von InfoCubes, damit sie im Rahmen der Planaufgaben auf InfoCubes schreibend zugreifen können. 17

18 DW. Ein Ansatz zur Herstellung dieses Zeitraumbezugs im BW ist die obligatorische Verwendung einer Zeitdimension in jeder multidimensionalen Speicherstruktur Der erweiterte DW-Begriff Viele Literaturquellen stellen aber auch Funktionen außer der reinen Speicherfunktionalität im Rahmen der Data Warehousing Aufgaben. Die vorgelagerte Aufgaben von Anbindung, Extraktion, Transformation und Übertragung von Daten werden unter dem Dachbegriff ETL 4 (Extract, Transfer, Load) vereint und werden als Teil von Data Warehousing betrachtet, da Sie viel häufiger und intensiver gegenüber den transaktionalen Systemen abgewickelt werden sollen. Dieser Aufgabenbereich wird auch Datenbereitstellung genannt. Nachgelagert ist die eigentliche Datenverwendung. Häufig bereitet ein DW die Daten für verschiedenste Aufgaben auf: Berichterstellung Analyse von Daten mittels verschiedenen Methoden (u.a. Data Mining) Meldewesen (Ausnahmen- und Kontrollwarnungen) Datenvorbereitung für Data Marts oder andere DW-Instanzen (oft als Hub bezeichnet) 4 ETL wird im Rahmen dieser Arbeit Synonym mit den Begriffen Datenbereitstellung und Datenbeschaffung verwendet. 18

19 Abbildung 2-2-1: Das Common Warehouse Metamodel Quelle: [CWMspec], 6-53 Bei Common Warehouse Metamodel (CWM) liegen die vor- und nachgelagerte Anwendungen auch im Beschreibungsrahmen der DW. Der Analysis-Package spezifiziert den Transformation Unterpaket als Beschreibungsrahmen für ETL- Dienstleistungen; OLAP, Data Mining und Information Visualization Unterpakete beschreiben die Warehouse-Funktionen Berichterstellung, Datenanalyse und Meldewesen. So können wir von einem erweiterten DW-Begriff sprechen, die die obigen Aufgaben als Teil einer Data-Warehouse Lösung aufgreift. 19

20 Abbildung 2-2: Der erweiterte DW- Begriff Quelle: Eigene Darstellung 2.2 Fachbegriffe im DW-Umfeld Architekturbegriffe Die hier vorgestellten Architekturbegriffe orientieren sich weitgehend an er zentralistischen Data Warehouse Ansatz von [Kimball1998]. Bei größeren Abweichungen werden explizite Quellangaben gemacht Quellsystem Ein Speichersystem das die Geschäftstransaktionen abbildet. Häufig handelt es sich um transaktionale Datenbanken, die auch operative Reportingfunktionen in ihrem Verantwortungsbereich erfüllen Data Mart Data Marts werden von Kimball als eine logische Teilmenge des gesamten Data Warehouse betrachtet. W.H. Inmon hat einen unterschiedlichen Ansatz. Grundlegende unterschiede zwischen beiden Konzeptionen wird im Abschnitt 2.3 näher erörtert. Vorerst geben wir uns mit der Beschreibung nach Kimball zufrieden. 20

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

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

1 Einführung 1 1.1 SAP Business Information Warehouse... 3. 1.1.1 BW Version 3.0...5. Architekturplanung... 9

1 Einführung 1 1.1 SAP Business Information Warehouse... 3. 1.1.1 BW Version 3.0...5. Architekturplanung... 9 vii 1 Einführung 1 1.1 SAP Business Information Warehouse... 3 1.1.1 BW Version 3.0...5 Architekturplanung.................................... 9 2 BW-Basissystem 11 2.1 Client/Server-Architektur... 12

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

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

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

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

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

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

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

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

& 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

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

IT-basierte Kennzahlenanalyse im Versicherungswesen

IT-basierte Kennzahlenanalyse im Versicherungswesen Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen Kennzahlenreporting mit Hilfe des SAP Business Information Warehouse Diplomica Verlag Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen:

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

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

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

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

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

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

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

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

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

Cubeware Connectivity for SAP Solutions

Cubeware Connectivity for SAP Solutions Cubeware Connectivity for SAP Solutions Beispiele und Anwendungsfälle 1. Modellierung, Extraction, Transformation und Loading mit Datenquelle SAP R/3 und mysap ERP Mit Hilfe des Cubeware Importers und

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

Modellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009

Modellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009 Modellbasierte Business Intelligence in der Praxis Nürnberg, 10.11.2009 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Inhalte von Datenmodellen für BI 3. Inhalte von Prozessmodellen 4.

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

O-BIEE Einführung mit Beispielen aus der Praxis

O-BIEE Einführung mit Beispielen aus der Praxis O-BIEE Einführung mit Beispielen aus der Praxis Stefan Hess Business Intelligence Trivadis GmbH, Stuttgart 2. Dezember 2008 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg

Mehr

Online Analytical Processing

Online Analytical Processing Online Analytical Processing Online Analytical Processing Online Analytical Processing (OLAP) ermöglicht die mu l- tidimensionale Betrachtung von Daten zwecks Ermit t- lung eines entscheidungsunterstützenden

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

Entwicklung eines Abrechnungsmodells für SAP-Business-Information-Warehouse-Systeme

Entwicklung eines Abrechnungsmodells für SAP-Business-Information-Warehouse-Systeme FHDW-Schriftenreihe Band 4/2002 Stefan Nieland, Mathias Pöhling Entwicklung eines Abrechnungsmodells für SAP-Business-Information-Warehouse-Systeme. Shaker Verlag Aachen 2002 Die Deutsche Bibliothek -

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

SAP Business Intelligence

SAP Business Intelligence SAP Business Intelligence Helmut Roos Diplom-Ingenieur Unternehmensberater Grundlagen zu Netweaver 7.0 D-67067 Ludwigshafen +49 (621) 5 29 44 65 Data Acquisition Common Read / Write Interface Open Interface

Mehr

Information-Design-Tool

Information-Design-Tool Zusatzkapitel Information-Design-Tool zum Buch»HR-Reporting mit SAP «von Richard Haßmann, Anja Marxsen, Sven-Olaf Möller, Victor Gabriel Saiz Castillo Galileo Press, Bonn 2013 ISBN 978-3-8362-1986-0 Bonn

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

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

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

DW2004. XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science. 3. November 2004. Dr. Michael Hahne, cundus AG

DW2004. XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science. 3. November 2004. Dr. Michael Hahne, cundus AG DW2004 XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science Dr. Michael Hahne, cundus AG 3. November 2004 cundus AG 2004 Gliederung Motivation SAP Business Information Warehouse

Mehr

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

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

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

Innovatives Reporting mit PM10: Analysen und Berichte mit Single Point of Truth 11.00 11.45 Uhr

Innovatives Reporting mit PM10: Analysen und Berichte mit Single Point of Truth 11.00 11.45 Uhr Copyright 2007 Infor. Alle Rechte vorbehalten. Innovatives Reporting mit PM10: Analysen und Berichte mit Single Point of Truth 11.00 11.45 Uhr Hubertus Thoma Presales Consultant PM Schalten Sie bitte während

Mehr

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

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr

good. better. outperform.

good. better. outperform. good. better. outperform. Quo Vadis Oracle BI Relational oder besser multidimensional? DOAG 2013 Business Intelligence, 17.04.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence

Mehr

OLAP und der MS SQL Server

OLAP und der MS SQL Server OLAP und der MS SQL Server OLAP und der MS SQL Server OLAP-Systeme werden wie umfangreiche Berichtssysteme heute nicht mehr von Grund auf neu entwickelt. Stattdessen konzentriert man sich auf die individuellen

Mehr

25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU

25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU BLUEFORTE GmbH Dirk Lerner 25.06.2014 TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling Twitter: #TDWI #DataVault @DV_Modeling @BLUEFORTE @TDWI_EU 1 Elemente des Data Vault (Basic) HUB

Mehr

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

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

Mehr

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

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

Performance-Optimierung in SAP BW. Helmut Tack

Performance-Optimierung in SAP BW. Helmut Tack Performance-Optimierung in SAP BW Helmut Tack INHALTSVERZEICHNIS Inhaltsverzeichnis Einleitung 9 1 Grundlegende Betrachtungen 13 2 Grundlagen der SAP BW-Datenhaltung 17 2.1 Flache Datenspeicher 21 2.2

Mehr

Relationale Datenbanken Datenbankgrundlagen

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

Mehr

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

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

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

Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen

Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen Christoph Arnold (B. Sc.) Prof. Dr. Harald Ritz Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen AKWI-Tagung, 17.09.2012, Hochschule Pforzheim Christoph Arnold, Prof. Dr. Harald

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

Geschäftsprozessmodellierung und implementierung am Beispiel SAP ERP

Geschäftsprozessmodellierung und implementierung am Beispiel SAP ERP Geschäftsprozessmodellierung und implementierung am Beispiel SAP ERP V04 02. Mai 2011, 16.15-17.45 Uhr, ITS-Pool nur zugelassene Teilnehmer Niedersächsisches Hochschulkompetenzzentrum für SAP (CCC) Aktuelles

Mehr

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57 1... Einleitung... 15 1.1... Zielgruppen dieses Buches... 17 1.2... Aufbau des Buches... 18 1.3... Hinweise zur Benutzung des Buches... 21 1.4... Danksagung... 23 2... Grundlagen der Datenmodellierung...

Mehr

AKWI-Fachtagung 2014. SAP HANA Live als Basis für operatives Reporting in Echtzeit. Customizing und Anwendung

AKWI-Fachtagung 2014. SAP HANA Live als Basis für operatives Reporting in Echtzeit. Customizing und Anwendung AKWI-Fachtagung 2014 Darius Nowak Prof. Dr. Harald Ritz Jörg Wolf SAP HANA Live als Basis für operatives Reporting in Echtzeit Customizing und Anwendung 1 Agenda 1. Einleitung 2. Motivation 3. SAP HANA

Mehr

C09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl

C09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl C09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl Ein Seminar der DWH academy Seminar C09 Einsatz SAP BW im Vergleich zur Best-of-Breed- Produktauswahl Befasst man sich im DWH mit der Auswahl

Mehr

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013

GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 OPEN SYSTEMS CONSULTING IT-KOMPLETTDIENSTLEISTER IM MITTELSTAND GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 Business Analytics Sascha Thielke AGENDA Die Geschichte des Reporting Begriffe im BA Umfeld

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

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

30. Juni 2006 - Technische Universität Kaiserslautern. Paul R. Schilling

30. Juni 2006 - Technische Universität Kaiserslautern. Paul R. Schilling 30. Juni 2006 - Technische Universität Kaiserslautern Paul R. Schilling ! " #$% & '( ( ) *+, - '. / 0 1 2("$ DATEN SIND ALLGEGENWÄRTIG Bill Inmon, father of data warehousing Unternehmen In einer vollkommenen

Mehr

fbi h_da Datenbanken Kapitel 1: Einführung Schestag Datenbanken (Bachelor) Kapitel 1-1

fbi h_da Datenbanken Kapitel 1: Einführung Schestag Datenbanken (Bachelor) Kapitel 1-1 Datenbanken Kapitel 1: Einführung Schestag Datenbanken (Bachelor) Kapitel 1-1 Einführung Inhalte des Kapitels Einsatzgebiete von Datenbanken Datenbank Datenbanksystem Datenbankmanagementsystem Historische

Mehr

SAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management. Anke Noßmann Syncwork AG

SAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management. Anke Noßmann Syncwork AG SAP Integration von Business Objects am Beispiel von SAP Student Lifecycle Management Anke Noßmann Syncwork AG SAP HERUG Partnertag, Berlin 06. November 2009 Inhalt 1. Ausgangssituation 2. Alternative

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

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

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

BI ist tot, lang lebe BI!

BI ist tot, lang lebe BI! BI ist tot, lang lebe BI! SAP HANA Live vs. SAP BW powered by HANA Glaubt man der ein oder anderen aus Walldorf stammenden Marketingfolie, so sind die Tage von herkömmlichen Business Intelligence Systemen

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

InfoObjects&InfoSource

InfoObjects&InfoSource InfoObjects&InfoSource Projekt: elearning SAP BPS Auftraggeber: Prof. Dr. Jörg Courant Gruppe 3: Bearbeiter: Diana Krebs Stefan Henneicke Uwe Jänsch Andy Renner Daniel Fraede Daniel Fraede 1 Inhaltsverzeichnis

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

Oracle 10g revolutioniert Business Intelligence & Warehouse

Oracle 10g revolutioniert Business Intelligence & Warehouse 10g revolutioniert Business Intelligence & Warehouse Marcus Bender Strategisch Technische Unterstützung (STU) Hamburg 1-1 BI&W Market Trends DWH werden zu VLDW Weniger Systeme, mehr Daten DWH werden konsolidiert

Mehr

Inhaltsverzeichnis. Teil I Datenmodell 5

Inhaltsverzeichnis. Teil I Datenmodell 5 ix 1 Einleitung 1 Teil I Datenmodell 5 2 Grundlagen 7 2.1 Semantische Aspekte der Modellierung....................... 7 2.2 Zeilenbasierte Speicherstrukturen........................... 9 2.2.1 Star-Schema....................................

Mehr

Praxishandbuch SAP BW 3-1

Praxishandbuch SAP BW 3-1 Norbert Egger Praxishandbuch SAP BW 3-1 Technische Universität DarmsUdt FACHBEREICH INFORMATIK BIBLIOTHEK Inventar-Nr.: Ä/A< Sachgebiete: Standort- Co Galileo Press Inhalt Vorwort 13 Zu diesem Buch 17

Mehr

Das Multidimensionale Datenmodell

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

Mehr

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

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

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

Mehr

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

Inhaltsverzeichnis 1 Einleitung 2 Zielsetzung 3 Data Warehousing

Inhaltsverzeichnis 1 Einleitung 2 Zielsetzung 3 Data Warehousing ix 1 Einleitung 1 1.1 Gliederung der Arbeit 3 1.2 Das Projekt Steuerkanzlei 2005 6 1.3 Abgrenzung 8 1.4 Notation 10 2 Zielsetzung 13 2.1 IT-technische Kategorisierung 13 2.1.1 IT-intensive vs. nicht IT-intensive

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

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

good. better. outperform.

good. better. outperform. good. better. outperform. Analytic mit Oracle BI relational oder besser multidimensional? 8. Oracle BI & DWH Konferenz, 20.03.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence

Mehr

Xtract EXA. Plug n Play mit SAP und EXASolution

Xtract EXA. Plug n Play mit SAP und EXASolution Xtract EXA Plug n Play mit SAP und EXASolution Xtract EXA garantiert eine nahtlose Integration zwischen Ihrem SAP ERP- bzw. SAP BW-System und EXASolution. Mit nur wenigen Mausklicks extrahieren Sie Massendaten

Mehr

Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar. 24. September 2009

Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar. 24. September 2009 Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar 24. September 2009 Unternehmensdarstellung Burda Digital Systems ist eine eigenständige und

Mehr

Data Vault. Modellierungsmethode für agile Data Warehouse Systeme. Dr. Bodo Hüsemann Informationsfabrik GmbH. DOAG BI, München, 17.04.

Data Vault. Modellierungsmethode für agile Data Warehouse Systeme. Dr. Bodo Hüsemann Informationsfabrik GmbH. DOAG BI, München, 17.04. Data Vault Modellierungsmethode für agile Data Warehouse Systeme Dr. Bodo Hüsemann Informationsfabrik GmbH DOAG BI, München, 17.04.2013 Die Informationsfabrik Die Informationsfabrik macht erfolgreiche

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

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

Dimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis

Dimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis Dimensionale Modellierung mit Oracle BI EE und Oracle OLAP Tipps und Tricks aus der Praxis DOAG Konferenz 2010 Claus Jordan Senior Consultant, Trivadis GmbH 16.11.2010 Basel Bern Lausanne Zürich Düsseldorf

Mehr

Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings

Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings Wirtschaft Simon Schäfer Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings Bachelorarbeit Bachelor Thesis Data Warehouse - Komponente der Business Intelligence und

Mehr

Data Warehousing in der Lehre

Data Warehousing in der Lehre Data Warehousing in der Lehre Prof. Dr.-Ing. Tomas Benz Dipl.-Inform. Med. Alexander Roth Agenda Vorstellung Fachhochschule Heilbronn Vorstellung i3g Vorlesungen im DWH-Bereich Seminare Projekte Studien-

Mehr

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Andreas Ditze MID GmbH Kressengartenstraße 10 90402 Nürnberg a.ditze@mid.de Abstract: Data Lineage

Mehr

BI around the world - Globale Reporting Lösungen bei Continental Automotive

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

Mehr

2 Datenbanksysteme, Datenbankanwendungen und Middleware... 45

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

Mehr

MultiProvider. Logische Reporting- Schicht. Abb. 9 21 Einsatz von MultiProvidern als logische Reporting- Schicht

MultiProvider. Logische Reporting- Schicht. Abb. 9 21 Einsatz von MultiProvidern als logische Reporting- Schicht MultiProvider 243 MultiProvider MultiProvider sind virtuelle InfoProvider ohne eigene Datenhaltung, deren Hauptaufgabe die Grundlage für die Datenanalyse und -planung ist. Dabei nimmt der MultiProvider

Mehr

Kapitel II. Datenbereitstellung 2004 AIFB / FZI 1. Vorlesung Knowledge Discovery

Kapitel II. Datenbereitstellung 2004 AIFB / FZI 1. Vorlesung Knowledge Discovery Kapitel II Datenbereitstellung 2004 AIFB / FZI 1 II. Datenbereitstellung 2004 AIFB / FZI 2 II. Datenbereitstellung Collect Initial Data identify relevant attributes identify inconsistencies between sources

Mehr

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