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

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

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

Logische Modellierung von Data Warehouses

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

Mehr

1 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Umsetzung der Anforderungen - analytisch

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

Mehr

Business Intelligence 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

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

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

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

1. Welche Fremdschlüsselbeziehungen gehen Dimensionstabellen ein? Fortschreibungsregel im Quellsystem anlegen

1. Welche Fremdschlüsselbeziehungen gehen Dimensionstabellen ein? Fortschreibungsregel im Quellsystem anlegen Fragen 1. Welche Fremdschlüsselbeziehungen gehen Dimensionstabellen ein? Falsch a) Faktentabellen b) SID- Tabllen c) Dimensionstabellen d) Attribute e) Tete 2. Was muss beim Laden von Bewegungsdaten aus

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

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

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

Andreas Emhart Geschäftsführer Alegri International Group

Andreas Emhart Geschäftsführer Alegri International Group Andreas Emhart Geschäftsführer Alegri International Group Agenda Vorstellung Alegri International Überblick Microsoft Business Intelligence Sharepoint Standard Business Intelligence Tool Excel Service

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

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

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

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

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

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

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

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

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

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

Mehr

SPoT Agenda. Begrüßung und Vorstellung CAS AG. Markttrends aus Analystensicht. Big Data Trusted Information

SPoT Agenda. Begrüßung und Vorstellung CAS AG. Markttrends aus Analystensicht. Big Data Trusted Information SPoT Agenda Begrüßung und Vorstellung CAS AG Markttrends aus Analystensicht Big Data Trusted Information Lars Iffert, BARC GmbH Dr. Oliver Adamczak, IBM Deutschland GmbH Factory Ansatz für ETL-Prozesse

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

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

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

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

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

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

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

Komponenten und Architekturen von Analytischen Informationssystemen (AIS)

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

Mehr

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

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

Aufbau eines Data Warehouse für den Lebensmitteleinzelhandel

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

Mehr

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

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren

Strategie und Self Service BI im Unternehmen. Gegensätze miteinander kombinieren Strategie und Self Service BI im Unternehmen Gegensätze miteinander kombinieren Claas Planitzer Düsseldorf Juni 2015 Agenda 5. Herausforderungen 1. Idealbild 2. Realität 3. Self Service 4. BI. Was ist

Mehr

Master Data Management - Wege aus der Datenkrise

Master Data Management - Wege aus der Datenkrise Master Data Management - Wege aus der Datenkrise Conect 2008-04-03 Dr. Siegmund Priglinger Business Application Research Center (BARC) Steinbachtal 2b D-97082 Würzburg +49-931-8806510 www.barc.de Agenda

Mehr

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence

Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence Analytische Datenbanken und Appliances als Engine für erfolgreiche Business Intelligence IBM Netezza Roadshow 30. November 2011 Carsten Bange Gründer & Geschäftsführer BARC Die Krise hat die Anforderungen

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

Inhalt. Geleitwort 13. Vorwort 17. Einleitende Hinweise 19. 1 Business-Intelligence-Konzepte - Neuerungen 25

Inhalt. Geleitwort 13. Vorwort 17. Einleitende Hinweise 19. 1 Business-Intelligence-Konzepte - Neuerungen 25 Inhalt Geleitwort 13 Vorwort 17 Einleitende Hinweise 19 Handhabung des Buches 19 Übergreifendes Beispielszenario 19 Nach der Lektüre 21 Danksagung 21 1 Business-Intelligence-Konzepte - Neuerungen 25 1.1

Mehr

Data Warehousing Grundbegriffe und Problemstellung

Data Warehousing Grundbegriffe und Problemstellung Data Warehousing Grundbegriffe und Problemstellung Dr. Andrea Kennel, Trivadis AG, Glattbrugg, Schweiz Andrea.Kennel@trivadis.com Schlüsselworte Data Warehouse, Cube, Data Mart, Bitmap Index, Star Queries,

Mehr

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

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

Mehr

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

Rolle des Stammdatenmanagements in einer SOA

Rolle des Stammdatenmanagements in einer SOA Rolle des Stammdatenmanagements in einer SOA Forum Stammdatenmanagement, November 2006 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business

Mehr

Das Common Warehouse Metamodel als Referenzmodell für Metadaten im Data Warehouse und dessen Erweiterung im SAP Business Information Warehouse

Das Common Warehouse Metamodel als Referenzmodell für Metadaten im Data Warehouse und dessen Erweiterung im SAP Business Information Warehouse BTW 2005 Das Common Warehouse Metamodel als Referenzmodell für Metadaten im Data Warehouse und dessen Erweiterung im SAP Business Information Warehouse Dr. Michael Hahne 3. März 2005 Dr.Michael Hahne 2005

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

Integrating Architecture Apps for the Enterprise

Integrating Architecture Apps for the Enterprise Integrating Architecture Apps for the Enterprise Ein einheitliches Modulsystem für verteilte Unternehmensanwendungen Motivation und Grundkonzept Inhalt Problem Ursache Herausforderung Grundgedanke Architektur

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

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

Steuerungsverfahren und ihre Datenstrukturen 02 - Datenmanagement

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

Mehr

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

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

Data Warehouse Technologien

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

Mehr

COGNOS PERFORMANCE MANAGEMENT. Jörg Fuchslueger, COGNOS Austria Manager Professional Services

COGNOS PERFORMANCE MANAGEMENT. Jörg Fuchslueger, COGNOS Austria Manager Professional Services COGNOS PERFORMANCE MANAGEMENT Jörg Fuchslueger, COGNOS Austria Manager Professional Services Agenda Cognos Performance Management Unternehmensweites Berichtswesen AdHoc Analysen Überwachung und Steuerung

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

Integration Services Übersicht

Integration Services Übersicht Integration Services Übersicht Integration Services Übersicht Integration Services stellt umfangreiche integrierte Tasks, Container, Transformationen und Datenadapter für die En t- wicklung von Geschäftsanwendungen

Mehr

6 InfoCubes erstellen und konfigurieren

6 InfoCubes erstellen und konfigurieren InfoCubes bilden die Reportingschicht in der LSA; sie sind für die Performance des Reportings entscheidend. In diesem Kapitel stellen wir Ihnen vor, welche InfoCubes es gibt und wie Sie damit arbeiten.

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

Intelligente Unternehmens- und Prozesssteuerung durch CPM

Intelligente Unternehmens- und Prozesssteuerung durch CPM Intelligente Unternehmens- und Prozesssteuerung durch CPM 5. IIR Forum BI, Mainz, Sept. 2006 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business

Mehr

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle

DATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell

Mehr

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch

IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch IBM Smart Analytics System und IBM Cognos BI: Vom Single Point of Truth zum mobilen Cockpit - ein Praxisbericht beim Unternehmen Theo Förch Markus Ruf, Geschäftsführer mip GmbH Jens Kretzschmar, Senior

Mehr

Kapitel II. Datenbereitstellung. II. Datenbereitstellung. II.1 Grundlagen. II. Datenbereitstellung. Collect Initial Data. II.

Kapitel II. Datenbereitstellung. II. Datenbereitstellung. II.1 Grundlagen. II. Datenbereitstellung. Collect Initial Data. II. II. bereitstellung Kapitel II bereitstellung 1 2 II. bereitstellung II.1 Grundlagen Collect Initial Data identify relevant attributes identify inconsistencies between sources Describe Data characterize

Mehr

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

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

Mehr

Erfolgreiches strategisches Informa2onsmanagement Chancen & Risiken mit SAP und Business Objects rechtzei2g erkennen und managen

Erfolgreiches strategisches Informa2onsmanagement Chancen & Risiken mit SAP und Business Objects rechtzei2g erkennen und managen CubeServ Services für ein erfolgreiches strategisches Informa8onsmanagement Erfolgreiches strategisches Informa2onsmanagement Chancen & Risiken mit SAP und Business Objects rechtzei2g erkennen und managen

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

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

Hetero-Homogene Data Warehouses

Hetero-Homogene Data Warehouses Hetero-Homogene Data Warehouses TDWI München 2011 Christoph Schütz http://hh-dw.dke.uni-linz.ac.at/ Institut für Wirtschaftsinformatik Data & Knowledge Engineering Juni 2011 1 Data-Warehouse-Modellierung

Mehr

Data Warehousing: Anwendungsbeispiel

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

Mehr

SAP BW + Microsoft Excel Viel genutzt, oft unterschätzt

SAP BW + Microsoft Excel Viel genutzt, oft unterschätzt Corporate Performance Management SAP BW + Microsoft Excel Viel genutzt, oft unterschätzt Martin Krejci, Manager CPM Matthias Schmidt, BI Consultant Kristian Rümmelin, Senior BI Consultant Braincourt GmbH

Mehr