INDUSTRIE 4.0 AUSWERTUNG. Ausgabe 5 eblmedium. Eine Informationsbroschüre des ebusiness-lotsen Mittelhessen

Größe: px
Ab Seite anzeigen:

Download "INDUSTRIE 4.0 AUSWERTUNG. Ausgabe 5 eblmedium. Eine Informationsbroschüre des ebusiness-lotsen Mittelhessen"

Transkript

1 In der Region. Für die Region. INDUSTRIE 4.0 BIG DATA DATENBANK AUSWERTUNG 2015 Ausgabe 5 eblmedium Eine Informationsbroschüre des ebusiness-lotsen Mittelhessen Big Data Aufgrund der Größe und Vielfalt vorliegender Daten stoßen bisherige Werkzeuge zur Datenverarbeitung häufig an ihre Grenzen. Selbst wenn es gerade noch möglich sein sollte, die Flut an Daten verlustfrei zu speichern, so ist spätestens deren zeitnahe Auswertung häufig nicht mehr gegeben. Das vorliegende eblm-medium soll einige Ansätze vorstellen, wie man große Datenmengen handhabbar machen und zeitnah auswerten kann.

2 Herausgeber ebusiness-lotse Mittelhessen c/o TH Mittelhessen Gießen in Kooperation mit dem Kompetenzzentrum für Informationstechnologie Text und Redaktion Dorothea Gugler Prof. Dr. Christian Schulze ebusiness-lotse Mittelhessen Gestaltung Nicole Detzer, ebusiness-lotse Mittelhessen Bildnachweis Matthias Buehner, adistock, Coloures-Pic, Jeanette Dietl, OrpheusXL, industrieblick, andreas, Kirill Kedrinski IMPRESSUM Druck: Saxoprint Auflage: 500 Exemplare Stand: Februar 2015

3 INHALT Welche Vorteile bietet Big Data?... 6 Technologien für große Datenmengen Erkenntnisse gewinnen Fazit Literaturverzeichnis

4 Byte wurden bis 2012 erzeugt

5 000 1 WELCHE VORTEILE BIETET BIG DATA?

6 1 VORTEILE VON BIG DATA Welche Vorteile bietet Big Data? Die im Unternehmen anfallenden immer größer werdenden Datenbestände versetzen Unternehmen durch geschickte Auswertungen in die Lage, Mehrwerte zu generieren. Technologische Fortschritte in den vergangenen Jahren bieten die Möglichkeit, Daten in hohen Frequenzen zu speichern und zu verarbeiten. Außerdem ist es möglich, wenig strukturierte externe Daten beispielsweise aus den folgenden Quellen zu integrieren: Soziale Netzwerke, die Benutzern die Möglichkeit einräumen, eigene Beiträge zu verfassen, den aktuellen Standort (via GPS-Koordinaten) sowie Interessen zu teilen oder an Gruppen teilzunehmen, um sich mit anderen Menschen themenbezogen auszutauschen. Mobile Geräte wie Smartphone oder Tablet, die jederzeit einen Zugriff auf Internetseiten und soziale Netzwerke ermöglichen. Chips und Sensoren, die in Maschinen und Produkten entlang von Lieferketten oder eingebaut in Fahrzeugen zeitaktuell Informationen über Staus, Standort und vieles mehr geben können und durch deren Auswertung ein großes Potential für Optimierungen besteht. Big Data beschreibt Datenbestände, die durch herkömmliche Datenbanken aufgrund ihrer schieren Menge, Vielfalt und Geschwindigkeit nur begrenzt gespeichert und verarbeitet werden können. In Abgrenzung zu Business-Intelligence- und Data-Warehouse-Systemen arbeiten Big-Data-Anwendungen ohne Aufbereitung durch den ETL-Prozess (Extract, Transform, Load), bei dem Daten aus unterschiedlichen Quellen vereinheitlicht in eine einzige Datenbank überführt werden. Somit entstehen Auswertungen schneller und flexibler, wodurch Kosten eingespart werden können. 6

7 VORTEILE VON BIG DATA 1 Diese neuen Technologien leisten einen großen Beitrag zum starken Anstieg des Datenvolumens, dessen Verarbeitung und Auswertung Unternehmen in vielen Fällen nutzen können, um ihre Markposition auszubauen, auf Veränderungen im Markt zu reagieren und signifikante Wettbewerbsvorteile zu erarbeiten. Big Data kann Mehrwerte entlang der gesamten Lieferkette generieren: Daten aus Sensoren geben Auskunft über den Zustand von Maschienen, sodass Auffälligkeiten erkannt und Stillstände durch frühzeitiges Eingreifen verhindert werden können. Mithilfe der Auswertung mobiler Daten ist es möglich, die Nachfrage nach Produkten in Abhängigkeit von dem Standort eines potenziellen Kunden zu ermitteln, Einzelhändler bedarfsgerecht zu versorgen und dadurch Lagerhaltungskosten zu senken. Schließlich kann die Kommunikation über Unternehmen und Produkte in den sozialen Netzen erfasst und ausgewertet werden, um dadurch zeitnah und proaktiv auf Kritik oder Wünsche der Konsumenten reagieren zu können. Aus ökonomischer Sicht ist Big Data gekennzeichnet durch die Verabeitung gewaltiger Mengen an Daten aus verschiedenen Quellen innerhalb kürzester Zeit, um daraus Entscheidungen abzuleiten und somit wirtschaftliche Vorteile zu erzielen. 1 Deshalb wird Big Data auch häufig als Erweiterung von Business Intelligence (BI) betrachtet: Es geht auch hier um die zeitnahe Nutzung und Analayse vorliegender, aber eben sehr großer Datenbestände. Business Intelligence-Lösungen werden bereits von über 90% der Mittelständler in Deutschland eingesetzt, 2 sodass der Ansatz nicht neu ist. 1 Vgl. BITKOM-Arbeitskreis Big Data (2012). Big Data im Praxiseinsatz - Szenarien, Beispiele, Effekte. Berlin. S. 7ff 2 Vgl. IBM (2010). Business-Intelligence-Studie Einsatz, Nutzung und Probleme von Analyse- und Berichtssoftwarelösungen in mittelständischen Unternehmen in Deutschland. Conunit GmbH, IBM Deutschland GmbH, TU Chemnitz. 7

8 1 VORTEILE VON BIG DATA Die Schwierigkeit der Verarbeitung der enormen Flut aus Daten resultiert aus den nachfolgenden vier Merkmalen: DATENMENGE Die zuvor beschriebenen Technologien, die in der heutigen Gesellschaft bereits etabliert sind, erzeugen fortlaufend Daten Byte an Daten existierten bereits bis 2012, wobei Experten schätzen, dass sich diese Menge bis 2020 alle zwei Jahre verdoppeln wird. DATENVIELFALT Aufgrund der unterschiedlichen Herkunft der Daten besitzen diese stark variierende oder keine festen Strukturen oder Formate. Selbst die Daten, die ausschließlich im eigenen Unternehmen anfallen, können unstrukturiert sein. Beispiele dafür sind Präsentationen, die häufig nur lokal gespeichert werden und nicht verschlagwortet sind, sodass eine breitere Nutzung schlichtweg nicht möglich ist. Außerdem gehen wichtige Informationen, die durch -Kommunikation anfallen, dadurch verloren, dass Mails nach bestimmten Zeitpunkten gelöscht und die enthaltenen Daten nicht zentral zugänglich gemacht werden. Die Vielfalt von Daten wird auch dadurch deutlich, dass Maschinen Informationen über ihre Verwendung und auftretende Störungen an eine zentrale Überwachungsstelle senden. Diese Protokolle sind häufig unstrukturiert und nur schwer lesbar für Menschen. Daten, die aus externen Quellen ins Unternehmen gelangen, können beispielsweise Kundenbewertungen von Produkten oder Dienstleistungen auf diversen Internetplattformen oder Beiträge in Social-Media-Kanälen sein, wobei diese formlos verfasst werden und folglich überaus unstrukturiert sind. 8

9 VORTEILE VON BIG DATA 1 GESCHWINDIGKEIT Dieses Merkmal muss unter zwei Aspekten betrachtet werden. Zum einen werden Produktionsdaten oder Daten, die aus externen Quellen ins Unternehmen gelangen, häufig in hoher Geschwindigkeit erzeugt und müssen unverzüglich gespeichert werden. Auf der anderen Seite ist eine zeitnahe Auswertung der Daten wünschenswert, um daraus einen ökonomisch wertvollen Nutzen zu erzielen und Wettbewerbsvorteile zu schaffen. Dazu ist häufig der Zugriff bzw. die Verarbeitung der Daten in Echtzeit erforderlich. Für ein produzierendes Unternehmen kann beispielsweise die (positive wie negative) Rückmeldung von Kunden großen Einfluss auf die Produktion nehmen: Eine zeitnahe Änderung der Produktionsprozesse oder der Produkte wird möglich, um Absatzproblemen vorzubeugen bzw. Lieferengpässe zu vermeiden. ANALYSEN Durch die Analyse und Auswertung von Daten sollen Mehrwerte entstehen. Im Umfeld von Big Data bedeutet das, dass in den großen Datenmengen Zusammenhänge und Muster erkannt und deren Bedeutungen interpretiert werden müssen. Außerdem können Prognosen auf einer wesentlich breiteren Datenbasis als bisher getroffen werden. Neben dem zuvor beschriebenen Beispiel, welches die Analyse von Kundenmeinungen zur Beeinflussung der Produktion erläutert, existieren zahlreiche andere Anwendungsszenarien, die die Notwendigkeit der Analyse von Datenbeständen unterstreichen. So kann durch die Überwachung der Log-Dateien von Produktionsmaschinen beispielweise durch Mustererkennung festgestellt werden, dass Komponenten ausgetauscht werden müssen, bevor diese ausfallen. Somit können Produktionsstillstände, die durch Ausfall und Reparatur von Komponenten entstehen, vermieden werden. 9

10

11 2 TECHNOLOGIEN FÜR GROSSE DATENMENGEN

12 2 TECHNOLOGIEN FÜR GROSSE DATENMENGEN Big Data in den Griff bekommen Die Kosten für Speicherplatz haben in den letzten Jahren stark abgenommen. Während 1998 der Preis für die Anschaffung von 1 Gigabyte (GB) Festplattenspeicher $228 betrug, waren es im Jahr 2010 lediglich $0,06. Der höhere Verbrauch von Speicherkapazitäten durch ein Mehr an Daten stellt also primär keine Barriere dar. Die Erweiterung der Speicherkapazitäten kann dabei auf zwei Arten geschehen: Zum einen ist es möglich, in bessere Hardware zu investieren, wenn die bisher verwendete Hardware an ihre Grenzen stößt. Dieses Vorgehen ist allerdings in hohem Maße kostenintensiv, denn je stärker ein Rechner aufgerüstet wird, desto höher sind die Investitionen. Zum anderen besteht eine weitere Möglichkeit für den Ausbau der Speicherkapazitäten darin, mehrere Standardkomponenten zu einem Verbund (engl. Cluster) zusammenzuschließen. Statt Hardware auszutauschen können dem Cluster weitere Maschinen hinzugefügt werden, sobald die Auslastung der Kapazität an ihre Grenzen gelangt. Eine solche Erweiterung erfordert keinesfalls die Investition in leistungsfähige Superrechner. Stattdessen ist der Einsatz von Standardhardware problemlos möglich. Die Leistungsfähigkeit des Clusters entsteht durch den Zusammenschluss mehrerer Komponenten. 12

13 TECHNOLOGIEN FÜR GROSSE DATENMENGEN 2 Während die Kosten für den Zusammenschluss von Standard-Systemen im Vergleich zu den Anschaffungskosten eines Supercomputers wesentlich geringer sind, ist es gleichzeitig notwendig, die Verbindung dieser Komponenten über ein leistungsfähiges Netzwerk sicherzustellen. Um von einem solchen verteilten System, welches aus mehreren Standardrechnern besteht, profitieren zu können, ist es wichtig, dass die Kommunikation der Maschinen untereinander ohne großen Zeitverzug stattfinden kann. Die Erhöhung der Speicherkapazitäten stellt also keine Barriere dar. Als nächstes soll ein Blick auf die Technologien geworfen werden, die zur Speicherung umfangreicher Datenbestände entwickelt wurden. Als Gegenpol zu den etablierten relationalen Datenbanken, bei denen verschiedene Datensätze durch Zeilen einer Tabelle dargestellt werden (vgl. Tabelle 1), werden sehr unterschiedliche neuartige Datenbank-Technologien unter dem Begriff NoSQL zusammengefasst. MitarbeiterNr Name Vorname Anrede Geburtsdatum Position 1 Schmidt Max Herr Kundendienst 2 Möller Theresa Frau Buchhaltung 3 Schneider Philipp Herr Marketing Tabelle 1: Zeilenweise Darstellung von Datensätzen einer relationalen Datenbank Der Begriff NoSQL nimmt dabei Bezug auf die in klassischen relationalen Datenbanken verwendete Abfragesprache SQL. NoSQL soll dabei aber nicht andeuten, dass keine Sprache zur Abfrage von Inhalten einer Datenbank existiert, sondern vielmehr, dass nicht nur ( not only ) traditionelles SQL verwendet wird. 13

14 2 TECHNOLOGIEN FÜR GROSSE DATENMENGEN Die unter dem Begriff NoSQL zusammengefassten Technologien lassen sich grob in vier Gruppen einteilen. Die erste Gruppe umfasst Datenbanken, deren Inhalte einfache Schlüssel-Wert-Paare bilden. Im Prinzip handelt es sich dabei um Paare mit folgendem Aufbau: (SCHLÜSSEL : WERT) Der Zugriff auf den Wert ist nur mithilfe des Schlüssels möglich, weshalb dieser einen Wert eindeutig identifizieren muss. Als Beispiel ist die Verwaltung von Postleitzahlen denkbar, wobei über die Eingabe der PLZ der Name der zugehörigen Stadt gefunden werden kann. Zur zweiten Gruppe gehören spaltenorientierte Datenbanken. Im Gegensatz zu relationalen Datenbanken, bei denen ein Datensatz zeilenweise zu lesen ist (vgl. Tabelle 1), ist bei Datenbanken dieser Kategorie ein Datensatz in einer Spalte zu finden (vgl. Tabelle 2). Während bei Auswertungen eines Attributes einer relationalen Datenbank (entspricht einer Spalte) alle Zeilen einer Tabelle gelesen werden müssen, genügt es in einer spaltenorientierten Datenbank, eine einzelne Zeile zu lesen. Dadurch werden Auswertungen über einzelne Attribute deutlich beschleunigt. Gleichzeitig nimmt die Zeit, die zum Speichern eines Datensatzes benötigt wird, verhältnismäßig zu, da dieser nicht in einer einzelnen Zeile, sondern in mehreren Zeilen einer Spalte eingefügt werden muss. Anrede Herr Frau Herr Vorname Max Theresa Philipp Nachname Schmidt Möller Schneider Jahresgehalt Tabelle 2: Spaltenweise Darstellung von Datensätzen einer spaltenorientierten Datenbank 14

15 TECHNOLOGIEN FÜR GROSSE DATENMENGEN 2 Während es in Datenbanken auf Basis von Schlüssel-Wert-Paaren nur möglich ist, einen einzelnen Wert zu einem Schlüssel zu speichern, erweitern Dokumentdatenbanken diese Technologie. Inhalte dieser Datenbanktechnologie sind Dokumente, welche sich allerdings von Dokumenten im herkömmlichen Sinn unterscheiden. Während im allgemeinen Sprachgebrauch ein Dokument eine Textdatei (Word, PDF etc.) beschreibt, handelt es sich bei einem Dokument im Datenbank-Kontext im Prinzip um eine beliebige Datei. Als Erweiterung der Schlüssel-Wert- Datenbanken besteht ein einzelnes Dokument aus zahlreichen Schlüssel-Wert-Paaren und kann daher umfangreichere Inhalte speichern. Um das obige Beispiel aufzugreifen, ist es in einer Dokumentdatenbank möglich, außer der Postleitzahl und dem Namen einer Stadt außerdem die Einwohnerzahl, den Namen des Bürgermeisters, das Stadtwappen, das Kfz-Kennzeichen sowie weitere denkbare Attribute, die für die Verwaltung von Städten eine Rolle spielen, zu speichern. Die letzte Gruppe an Datenbanken unterscheidet sich von den drei vorigen merklich: Dabei handelt es sich um die sogenannten Graphdatenbanken. Diese basieren auf der mathematischen Disziplin der Graphentheorie, weshalb zahlreiche bereits existierende Algorithmen für unterschiedliche Anwendungsfelder verwendet werden können. 15

16 2 TECHNOLOGIEN FÜR GROSSE DATENMENGEN Der zentrale Unterschied von Datenbanken dieser Gruppe zu den Datenbanken der drei zuvor genannten Gruppen besteht darin, dass in einem Graphen Beziehungen verschiedener Datensätze (die als Knoten modelliert werden) problemlos dargestellt werden können (dies erfolgt über die Verbindung von Knoten über Kanten). Ein Beispiel für die Modellierung eines Städte-Graphen findet sich in Abbildung 1. Dillenburg Marburg Treysa Wetzlar Gießen Alsfeld Zugverbindung ohne Umstieg Abbildung 1: Darstellung eines Städte-Graphen, wobei Zugverbindungen ohne Umstieg als Beziehungen der Städte zueinander modelliert werden 16

17 2 TECHNOLOGIEN FÜR GROSSE DATENMENGEN Die vorgestellten neuen Technologien bieten die Möglichkeit, je nach Format, Struktur und Art der Daten, die zum Anwendungsfall passende Datenbank auszuwählen. Wichtig ist an dieser Stelle die Anmerkung, dass nicht jede Technologie für jeden Anwendungsfall geeignet ist und in vielen Fällen auch die Verwendung von relationalen Datenbanken einfacher und sinnvoller ist. Stoßen die bisherigen Technologien allerdings an ihre Grenzen, so ist die Verwendung einer NoSQL-Datenbank in Betracht zu ziehen. Zentraler Punkt in diesem Zusammenhang ist die oft notwendige zeitaktuelle oder wenigstens zeitnahe Auswertung der betrachteten Daten. Abfragen oder Analysen, die mehrere Tage oder Wochen andauern, sind wenig hilfreich, wenn kurzfristig Ergebnisse benötigt werden. Dies gilt beispielsweise für Anfragen im Internet, die nahezu in Echtzeit bearbeitet werden müssen, oder für Analysen von Unternehmensdaten, die schnelle Entscheidungen ermöglichen sollen. Daher befasst sich der nächste Abschnitt mit einem Hilfsmittel der vorgestellten Technologien, das eine zeitnahe Auswertung von Daten ermöglicht. Die hier vorgestellten Technologien können genutzt werden, um Big Data beherrschbar zu gestalten. Vor dem Einsatz sollten jedoch alle potentiellen Anwendungsfelder identifiziert und bewertet werden, um im Anschluss zunächst einzelne erfolgversprechende Bereiche auszuwählen und zu spezifizieren. Daraus sollte sich ein Konzept ableiten, wie sich das weitere Vorgehen gestaltet, um aus Big Data einen Mehrwert zu generieren. 1 1 Vgl. 17

18

19 3 ERKENNTNISSE GEWINNEN

20 3 ERKENNTNISSE GEWINNEN Auswertungen mit Map-Reduce Ausgehend von der Idee, sämtliche Daten auf mehreren Maschinen zu verteilen, die räumlich voneinander getrennt sein können, besteht - um einen unternehmerischen Mehrwert aus der Speicherung der Daten zu erzielen - die Notwendigkeit, diese verstreuten Daten effizient auszuwerten. Aus der Verwendung mehrerer Computer zur Speicherung der Daten resultiert eine große Chance: Auf jeder einzelnen Maschine können Berechnungen und Auswertungen der dort vorhandenen Daten durchgeführt werden. 1 Da die Maschinen unabhängig voneinander über eigene Rechenkapazitäten verfügen, bedeutet dies eine große Zeitersparnis, denn die Berechnungen der einzelnen Maschinen finden gleichzeitig statt. Außerdem kann die Auswertung vieler kleiner Datenbestände schneller durchgeführt werden, als die Auswertung eines riesigen Datenbestandes. Die zusätzliche Zeit, die im Anschluss daran zur Zusammenführung der Ergebnisse aller Teilbestände benötigt wird, fällt dabei kaum merklich ins Gewicht. Damit bei der Erstellung von Anwendungen zur Auswertung der Datenbestände eine Konzentration auf die Ziele der Auswertung stattfinden kann, existiert ein Konzept mit dem Namen Map-Reduce. Dieses wurde 2004 bei Google entwickelt und erlaubt es, Auswertungen zu erstellen, die parallel auf mehreren Rechnern durchgeführt werden können, ohne das Wissen zu besitzen, wie die Parallelisierung im Einzelnen umgesetzt werden muss. Das Vorgehen von Map-Reduce besteht aus zwei Schritten, die anhand eines Beispiels verdeutlicht werden sollen. Besteht die Aufgabe einer einzelnen Person darin, in einem 1000-seitigen Buch zu zählen, welche Wörter wie oft vorkommen, so ist einleuchtend, dass dies einen großen zeitlichen Aufwand bedeutet. Im übertragenen Sinn kann Map-Reduce erst dann verwendet werden, wenn dieselbe Aufgabe von mehreren Personen durchgeführt wird. 1 Diese Aufteilung von Berechnungen auf mehrere Rechner wird als Parallelisierung bezeichnet. 20

21 ERKENNTNISSE GEWINNEN 3 Teilen sich beispielsweise zwei Personen diese Aufgabe, so muss jede der beiden lediglich die Wörter von 500 Seiten zählen (wofür sie aller Wahrscheinlichkeit nach nur die Hälfte der Zeit benötigen). Diese parallel durchgeführte Zählung entspricht dem Map-Schritt. Im Anschluss daran kann eine Person alleine den Reduce-Schritt durchführen, indem sie die Ergebnisse der beiden Buchhälften zusammenführt. Je mehr Personen für die Aufgabe zur Verfügung stehen, desto stärker nimmt die Dauer ab, die zur Erfüllung benötigt wird. In dem Fall, dass 1000 Personen zur Zählung der Wörter eines 1000-seitigen Buches zur Verfügung stehen, besteht der Aufwand einer Person aus lediglich einer einzigen Seite. Die enorme Zeitersparnis in diesem Fall ist offensichtlich. Der beschriebene Fall stellt lediglich ein triviales Beispiel dar, um die Funktionsweise der Parallelisierung zu verdeutlichen. In der Praxis finden sich zahlreiche andere Anwendungsszenarien dafür. 21

22 3 FAZIT Fazit Wir haben nur einige neue Datenbank-Technologien betrachtet und uns kurz mit dem Map- Reduce-Konzept in verteilten Systemen beschäftigt. Diese Ansätze repräsentieren im Wesentlichen die Instrumente zum Umgang mit Big Data. Ob es sinnvoll ist, diese neuen Technologien einzusetzen oder ob klassische relationale Datenbank-Lösungen ausreichen, hängt stark vom Anwendungsszenario ab. Häufig ist die Performance relationaler Datenbanken einfach nicht ausgereizt und bessere Modellierung und Indexierung können schon Abhilfe schaffen. Big Data erfordert aber in vielen Fällen tatsächlich einen Technologiewechsel. Oft liegt eine Lösung auch in einer Kombination beider Technologien. WESENTLICHE KERNAUSSAGEN Um Wettbewerbsvorteile zu erzielen, wird die Speicherung und Auswertung relevanter Daten immer wichtiger. Daten gelten mittlerweile zurecht als der vierte Produktionsfaktor. Wenn relationale Datenbanken wegen großer Datenmengen an ihre Grenzen stoßen, kann der Einsatz von NoSQL-Datenbanken weiterhelfen. Für die Verarbeitung und Analyse großer Datenmengen muss nicht zwangsläufig in immer teurere Hardware investiert werden. Verbesserungen können auch durch den Zusammenschluss von Standard-Komponenten zu einem Cluster erreicht werden. In einem Cluster birgt die Verwendung des Map-Reduce-Konzepts enorme Möglichkeiten der Performance-Steigerung. Wird die Verwendung einer neuen Datenbanktechnologie in Betracht gezogen, sollte das Anwendungsszenario genau analysiert werden, um die passende Technologie auszuwählen. 22

23 WEITERFÜHRENDE INFORMATIONEN Big Data im Praxiseinsatz - Szenarien, Beispiele, Effekte BITKOM-Arbeitskreis Big Data (2012) Management von Big-Data-Projekten BITKOM-Arbeitskreis Big Data (2013) Big-Data-Technologien - Wissen für Entscheider BITKOM-Arbeitskreis Big Data (2014) Neue Studie zum digitalen Universum entdeckt Big Data Gap EMC Deutschland GmbH (2012) Big Data in der Praxis Jonas Freiknecht (2014) ISBN: NoSQL: Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken Stefan Edlich et al. (2011) ISBN:

24 Das ekompetenz-netzwerk für Unternehmen Kiel Lübeck Hamburg Schwerin Neubrandenburg Bremen Lingen Osnabrück Münster Dortmund Hagen Paderborn Hannover Brandenburg a.d.h. Magdeburg Leipzig Berlin Potsdam Frankfurt (Oder) Cottbus Aachen Köln Gießen Ilmenau Chemnitz Dresden Koblenz Hof Darmstadt Würzburg Saarbrücken Kaiserslautern Nürnberg Stuttgart Regensburg Augsburg Weingarten Freilassing ebusiness-lotsen Das ekompetenz-netzwerk für Unternehmen ist eine Förderinitiative des Bundes ministeriums für Wirtschaft und Energie (BMWi). 38 regionale ebusiness-lotsen haben die Aufgabe, insbesondere mittelstän dischen Unternehmen deutschlandweit anbieter neutrale und praxisnahe Informationen für die Nutzung moderner Informations- und Kommunikationstechnologien (IKT) und möglichst effiziente ebusiness-prozesse zur Verfügung zu stellen. Die Förderinitiative ist Teil des Förderschwerpunkts Mittelstand-Digital IKT-Anwendungen in der Wirtschaft. Zu Mittelstand-Digital gehören ferner die Förderini tiativen estandards: Geschäftsprozesse standardisieren, Erfolg sichern (16 Förderprojekte) und Einfach intuitiv Usability für den Mittelstand (13 Förderprojekte). Unter können Unternehmen sich über die Aktivitäten der ebusiness-lotsen informieren, auf die Kontaktadressen der regionalen Ansprechpartner sowie aktuelle Veranstaltungs termine zugreifen oder auch Publikationen einsehen und für sich herunterladen.

Kompetenznetzwerk für Unternehmen

Kompetenznetzwerk für Unternehmen Kompetenznetzwerk für Unternehmen Vorstellung des Projektes Der ebusiness-lotse Schwaben ist Teil der Förderinitiative ekompetenz-netzwerk für Unternehmen, die im Rahmen des Förderschwerpunkts Mittelstand-Digital

Mehr

Social Media in klein- und mittelständischen Unternehmen

Social Media in klein- und mittelständischen Unternehmen PRAXISBEISPIEL Bild: Teamfoto Marquardt Social Media in klein- und mittelständischen Unternehmen Das erfolgreiche Beispiel der Schule für Modemacher Münster Der ebusiness-lotse Münster ist ein unabhängiges

Mehr

Elektronische Rechnungsabwicklung

Elektronische Rechnungsabwicklung INFOBROSCHÜRE Elektronische Rechnungsabwicklung Das müssen Sie wissen! www.elektronische-rechnungsabwicklung.de Elektronische Rechnungen Rund zwei Drittel der deutschen Unternehmen bevorzugen immer noch

Mehr

PRAXISBEISPIEL. Mobile Auftragsbearbeitung im Handwerk. Malermeister Massmann hat seine Daten jederzeit im Griff

PRAXISBEISPIEL. Mobile Auftragsbearbeitung im Handwerk. Malermeister Massmann hat seine Daten jederzeit im Griff PRAXISBEISPIEL Mobile Auftragsbearbeitung im Handwerk Malermeister Massmann hat seine Daten jederzeit im Griff An dem Beispiel von Malermeister Markus Massmann zeigt der ebusiness-lotse Münster auf, wie

Mehr

INFOBROSCHÜRE. Online-Kriminalität. Motivation, Methoden und Schutzmechanismen

INFOBROSCHÜRE. Online-Kriminalität. Motivation, Methoden und Schutzmechanismen INFOBROSCHÜRE Online-Kriminalität Motivation, Methoden und Schutzmechanismen Online-Kriminalität Welchen Gefahren Nutzer des Internets ausgesetzt sind und wie sie sich dagegen schützen können. Das Internet

Mehr

Fachbericht zum Thema: Anforderungen an ein Datenbanksystem

Fachbericht zum Thema: Anforderungen an ein Datenbanksystem Fachbericht zum Thema: Anforderungen an ein Datenbanksystem von André Franken 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis 1 2 Einführung 2 2.1 Gründe für den Einsatz von DB-Systemen 2 2.2 Definition: Datenbank

Mehr

Big Data Herausforderungen für Rechenzentren

Big Data Herausforderungen für Rechenzentren FINANCIAL INSTITUTIONS ENERGY INFRASTRUCTURE, MINING AND COMMODITIES TRANSPORT TECHNOLOGY AND INNOVATION PHARMACEUTICALS AND LIFE SCIENCES Big Data Herausforderungen für Rechenzentren RA Dr. Flemming Moos

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

Einladung zu den IBM SPSS Data und Text Mining Tagen. Auch in Ihrer Nähe! Gewinnen Sie entscheidungsrelevantes Wissen mit Data und Text Mining

Einladung zu den IBM SPSS Data und Text Mining Tagen. Auch in Ihrer Nähe! Gewinnen Sie entscheidungsrelevantes Wissen mit Data und Text Mining Einladung zu den IBM SPSS Data und Text Mining Tagen Auch in Ihrer Nähe! Gewinnen Sie entscheidungsrelevantes Wissen mit Data und Text Mining Lassen Sie Daten und Texte für sich arbeiten mit Smarter Analytics

Mehr

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data: Nutzen und Anwendungsszenarien CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data steht für den unaufhaltsamen Trend, dass immer mehr Daten in Unternehmen anfallen und von

Mehr

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen

Mehr

Neue Studie zum digitalen Universum entdeckt Big Data Gap

Neue Studie zum digitalen Universum entdeckt Big Data Gap 13. Dezember 2012 Neue Studie zum digitalen Universum entdeckt Big Data Gap Big Data Gap 23 Prozent (643 Exabyte) des digitalen Universums könnten nützliche Erkenntnisse bringen. Derzeit sind nur drei

Mehr

PRAXISBEISPIEL Gramm GmbH & Co. KG. Gramm GmbH & Co. KG, Friedrichshafen. CNC-Maschinenauswertung mit PowerPivot für Excel

PRAXISBEISPIEL Gramm GmbH & Co. KG. Gramm GmbH & Co. KG, Friedrichshafen. CNC-Maschinenauswertung mit PowerPivot für Excel PRAXISBEISPIEL Gramm GmbH & Co. KG, Friedrichshafen CNC-Maschinenauswertung mit PowerPivot für Excel Was ist Business Intelligence (BI)? Impressum Herausgeber ebusiness-lotse Oberschwaben-Ulm www.eloum.net

Mehr

Industrial Data Intelligence. Datenbasierte Produktionsoptimierung

Industrial Data Intelligence. Datenbasierte Produktionsoptimierung !DI Industrial Data Intelligence Datenbasierte Produktionsoptimierung Industrial Data Intelligence Sammeln Analysieren Mit dem Industrial Data Intelligence-Angebot ermöglicht Softing Industrial die datenbasierte

Mehr

Auszug aus dem Arbeitspapier Nr. 102. Das CHE ForschungsRanking deutscher Universitäten 2007

Auszug aus dem Arbeitspapier Nr. 102. Das CHE ForschungsRanking deutscher Universitäten 2007 Das CHE ForschungsRanking deutscher Universitäten 2007 Dr. Sonja Berghoff Dipl. Soz. Gero Federkeil Dipl. Kff. Petra Giebisch Dipl. Psych. Cort Denis Hachmeister Dr. Mareike Hennings Prof. Dr. Detlef Müller

Mehr

Koch Management Consulting

Koch Management Consulting Kontakt: 07191 / 31 86 86 Deutsche Universitäten Universität PLZ Ort Technische Universität Dresden 01062 Dresden Brandenburgische Technische Universität Cottbus 03046 Cottbus Universität Leipzig 04109

Mehr

Verlust von Unternehmensdaten?

Verlust von Unternehmensdaten? Verlust von Unternehmensdaten? Das lässt sich vermeiden - Sehen Sie selbst! Wussten Sie schon? Auf Ihrem PC sammeln sich signifikante Unternehmensdaten an, deren Verlust Ihr Geschäft erheblich beeinträchtigen

Mehr

ANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE. NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik

ANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE. NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik ARFA ANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik Ralf Leipner Domain Architect Analytics, Risk Management & Finance 33. Berner Architekten

Mehr

Kundenpflege und Onlinemarketing im industriellen Mittelstand: Das Beispiel Verfuß GmbH

Kundenpflege und Onlinemarketing im industriellen Mittelstand: Das Beispiel Verfuß GmbH INFOBÜRO FÜR UNTERNEHMEN SÜDWESTFALEN-HAGEN Praxisbericht Kundenpflege und Onlinemarketing im industriellen Mittelstand: Das Beispiel Verfuß GmbH Aus unseren Fokusgruppen: Wie es der Verfuß GmbH mithilfe

Mehr

Checkliste. Checkliste zur Planung von E-Commerce-Projekten

Checkliste. Checkliste zur Planung von E-Commerce-Projekten Checkliste Checkliste zur Planung von E-Commerce-Projekten Checkliste Bei der Planung von E-Commerce-Projekten sind einige wichtige Gesichtspunkte zu beachten. Dabei kann die folgende Checkliste eine erste

Mehr

Finanzierung im Alter. Referent: Christian Schmitz-Manseck, Berater Selbstständige Heilberufe

Finanzierung im Alter. Referent: Christian Schmitz-Manseck, Berater Selbstständige Heilberufe Finanzierung im Alter Referent: Christian Schmitz-Manseck, Berater Selbstständige Heilberufe Wie bereite ich die Praxisübergabe vor? Finde ich einen Nachfolger? Kriege ich noch etwas für meine Praxis?

Mehr

Ausland Strategische Ausrichtung der IHK-AHK-DIHK Organisation. RA Steffen G. Bayer, DIHK Berlin Nürnberg am 04. September 2012

Ausland Strategische Ausrichtung der IHK-AHK-DIHK Organisation. RA Steffen G. Bayer, DIHK Berlin Nürnberg am 04. September 2012 Bildung Made in Germany Deutsche Duale Berufsbildung im Ausland Strategische Ausrichtung der IHK-AHK-DIHK Organisation RA Steffen G. Bayer, DIHK Berlin Nürnberg am 04. September 2012 Wir sind eine starke

Mehr

Definition Informationssystem

Definition Informationssystem Definition Informationssystem Informationssysteme (IS) sind soziotechnische Systeme, die menschliche und maschinelle Komponenten umfassen. Sie unterstützen die Sammlung, Verarbeitung, Bereitstellung, Kommunikation

Mehr

Self Service BI mit Office 2013 Raúl B. Heiduk

Self Service BI mit Office 2013 Raúl B. Heiduk 1 Self Service BI mit Office 2013 Raúl B. Heiduk Partner: 2 Agenda Begrüssung Vorstellung Referent Inhalt F&A Weiterführende Kurse 3 Vorstellung Referent Name: Raúl B. Heiduk Ausbildung: Dipl. Ing. (FH),

Mehr

PRAXISBEISPIEL Gramm GmbH & Co. KG. Gramm GmbH & Co. KG, Friedrichshafen. CNC-Maschinenauswertung mit PowerPivot für Excel

PRAXISBEISPIEL Gramm GmbH & Co. KG. Gramm GmbH & Co. KG, Friedrichshafen. CNC-Maschinenauswertung mit PowerPivot für Excel PRAXISBEISPIEL Gramm GmbH & Co. KG Gramm GmbH & Co. KG, Friedrichshafen CNC-Maschinenauswertung mit PowerPivot für Excel Träger Impressum Herausgeber ebusiness-lotse Oberschwaben-Ulm www.eloum.net c/o

Mehr

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden

Mehr

Peter Dikant mgm technology partners GmbH. Echtzeitsuche mit Hadoop und Solr

Peter Dikant mgm technology partners GmbH. Echtzeitsuche mit Hadoop und Solr Peter Dikant mgm technology partners GmbH Echtzeitsuche mit Hadoop und Solr ECHTZEITSUCHE MIT HADOOP UND SOLR PETER DIKANT MGM TECHNOLOGY PARTNERS GMBH WHOAMI peter.dikant@mgm-tp.com Java Entwickler seit

Mehr

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

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

Mehr

Herzlich willkommen! Raber+Märcker GmbH www.raber-maercker.de

Herzlich willkommen! Raber+Märcker GmbH www.raber-maercker.de Herzlich willkommen! die Business Suite für Ihr Unternehmen Alexander Sturm Telefon: +49 (711) 1385 367 Alexander.Sturm@raber-maercker.de Agenda Kurzvorstellung Raber+Märcker Die Business Suite für Ihr

Mehr

SAS Analytics bringt SAP HANA in den Fachbereich

SAS Analytics bringt SAP HANA in den Fachbereich Pressemitteilung Hamburg, 08. November 2013 SAS Analytics bringt SAP HANA in den Fachbereich Ergonomie kombiniert mit Leistungsfähigkeit: die BI-Experten der accantec group geben der neuen Partnerschaft

Mehr

Metallbranche Südwestfalen

Metallbranche Südwestfalen Neu erschienen! Unternehmerisches Wissen 01 2014 ONLINE REPORT Metallbranche Südwestfalen Wie schneiden die regionalen Metall-Unternehmen im Online-Marketing ab? Do IT your way WIE SCHNEIDEN DIE REGIONALEN

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

DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG

DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG Inhalt Globale und unternehmensspezifische Herausforderungen Von Big Data zu Smart Data Herausforderungen und Mehrwert von Smart Data 2

Mehr

Positionspapier Big Data

Positionspapier Big Data TeleTrusT-interner Workshop Berlin, 05.06.2014 Positionspapier Big Data Oliver Dehning, antispameurope GmbH Leiter der AG Cloud Security Definition Big Data Big Data bezeichnet große Datenmengen (Volume)

Mehr

Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen

Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen 01000111101001110111001100110110011001 Volumen 10 x Steigerung des Datenvolumens alle fünf Jahre Big Data Entstehung

Mehr

Infografik Business Intelligence

Infografik Business Intelligence Infografik Business Intelligence Top 5 Ziele 1 Top 5 Probleme 3 Im Geschäft bleiben 77% Komplexität 28,6% Vertrauen in Zahlen sicherstellen 76% Anforderungsdefinitionen 24,9% Wirtschaflicher Ressourceneinsatz

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

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 0 Es TOP 10 DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 wird ein wichtiges Jahr für BIG (Business Intelligence Growth) 2012 war ein fantastisches Jahr für Business Intelligence! Die biedere alte

Mehr

Das CHE Forschungsranking deutscher Universitäten 2004. ForschungsUniversitäten 2004

Das CHE Forschungsranking deutscher Universitäten 2004. ForschungsUniversitäten 2004 Das CHE Forschungsranking deutscher Universitäten 2004 ForschungsUniversitäten 2004 Dr. Sonja Berghoff Dipl.-Soz. Gero Federkeil Dipl.-Kff. Petra Giebisch Dipl.-Psych. Cort-Denis Hachmeister Meike Siekermann

Mehr

Die IHK-Region Ulm im Wettbewerb. Analyse zum Jahresthema 2014 der IHK-Organisation

Die IHK-Region Ulm im Wettbewerb. Analyse zum Jahresthema 2014 der IHK-Organisation Die IHK-Region Ulm im Wettbewerb Analyse zum Jahresthema 2014 der IHK-Organisation Entwicklung Bruttoinlandsprodukt 2000-2011 IHK-Regionen Veränderungen des BIP von 2000 bis 2011 (in Prozent) 1 IHK-Region

Mehr

J o hanns e n R e chtsanw ält e

J o hanns e n R e chtsanw ält e Arnsberg Aschaffenburg Bayreuth Coburg Hamm 20099 Hof Schweinfurt Würzburg (Kammergericht) Cottbus Frankfurt (Oder) Neuruppin Potsdam 10117 Göttingen Bremen Bremen Bückeburg Hannover Hildesheim Lüneburg

Mehr

Präsentation für die. Donnerstag, 2. Mai 2013

Präsentation für die. Donnerstag, 2. Mai 2013 Präsentation für die 1 AGENDA VON DER PLANUNG BIS ZUR SELF SERVICE BI 9.30 Uhr: Begrüßung und Vorstellung B.i.TEAM & QlikTech 9.40 Uhr: Moderne Business Intelligence heute und morgen Modernes BI-Live,

Mehr

Mittelstand-Digital auf der CeBIT 2014 in Hannover

Mittelstand-Digital auf der CeBIT 2014 in Hannover Mittelstand-Digital auf der CeBIT 2014 in Hannover Das Bundesministerium für Wirtschaft und Energie (BMWi) unterstützt mit dem Förderschwerpunkt "Mittelstand-Digital IKT-Anwendungen in der Wirtschaft"

Mehr

Landgerichte und Oberlandesgerichte in Deutschland. (alphabetisch sortiert)

Landgerichte und Oberlandesgerichte in Deutschland. (alphabetisch sortiert) Gerichtsverzeichnis - e und e in Deutschland 1 Ich bin bundesweit für Versicherungsunternehmen und Unternehmen aus der Immobilienbranche tätig. Hier finden Sie eine Übersicht sämtlicher e und e, alphabetisch

Mehr

Big Data in der Forschung

Big Data in der Forschung Big Data in der Forschung Dominik Friedrich RWTH Aachen Rechen- und Kommunikationszentrum (RZ) Gartner Hype Cycle July 2011 Folie 2 Was ist Big Data? Was wird unter Big Data verstanden Datensätze, die

Mehr

PLZ-Zuordnungstabellen der GDCh-Ortsverbände. Variante A: Sortierung nach PLZ-Nummernbereich. Variante B: Gruppiert nach Ortsverbänden

PLZ-Zuordnungstabellen der GDCh-Ortsverbände. Variante A: Sortierung nach PLZ-Nummernbereich. Variante B: Gruppiert nach Ortsverbänden PLZ-Zuordnungstabellen der GDCh-Ortsverbände Variante A: Sortierung nach PLZ-Nummernbereich Variante B: Gruppiert nach Ortsverbänden Gedruckt am: 16.04.2014 Dresden 01000 01939 Lausitz 01940 03999 Leipzig

Mehr

Datenschutzerklärung ENIGO

Datenschutzerklärung ENIGO Datenschutzerklärung ENIGO Wir, die, nehmen den Schutz Ihrer persönlichen Daten sehr ernst und halten uns strikt an die Regeln der Datenschutzgesetze. Personenbezogene Daten werden auf dieser Website nur

Mehr

Wettkampfranking 2012

Wettkampfranking 2012 Wettkampfranking 2012 Wie schon in den vergangenen Jahren setzt sich das Wettkampfranking aus der Summe dreier Teilrankings (Leistungsranking, Teilnahmeranking und Ausrichterranking) zusammen. Alle drei

Mehr

1 Einleitung. 1.1 Motivation

1 Einleitung. 1.1 Motivation 1 Einleitung 1.1 Motivation Eine zunehmende Globalisierung in Verbindung mit der Verbreitung des elektronischen Handels, stets kürzer werdende Produktlebenszyklen und eine hohe Variantenvielfalt konstituieren

Mehr

Advanced Analytics mit EXAPowerlytics. Technisches Whitepaper

Advanced Analytics mit EXAPowerlytics. Technisches Whitepaper Advanced Analytics mit EXAPowerlytics Technisches Whitepaper Inhalt 1. Zusammenfassung... 3 2. Einführung... 4 3. Fachliche Einführung... 5 4. Beispiel: Zeichen zählen... 7 5. Fazit... 9 6. Anhang... 10-2

Mehr

In die Zeilen würden die Daten einer Adresse geschrieben werden. Das Ganze könnte in etwa folgendermaßen aussehen:

In die Zeilen würden die Daten einer Adresse geschrieben werden. Das Ganze könnte in etwa folgendermaßen aussehen: 1 Einführung in Datenbanksysteme Fast jeder kennt Excel und hat damit in seinem Leben schon einmal gearbeitet. In Excel gibt es Arbeitsblätter, die aus vielen Zellen bestehen, in die man verschiedene Werte

Mehr

Business Analytics verbessert die Wertschöpfungskette

Business Analytics verbessert die Wertschöpfungskette Pressemitteilung Hamburg, 05. September 2013 Business Analytics verbessert die Wertschöpfungskette accantec zeigt auf dem SAS Forum in Mannheim vom 11.- 12.09.2013, wie Unternehmen mit SAS Visual Analytics

Mehr

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015 Abstrakt zum Vortrag im Oberseminar Graphdatenbanken Gero Kraus HTWK Leipzig 14. Juli 2015 1 Motivation Zur Darstellung komplexer Beziehungen bzw. Graphen sind sowohl relationale als auch NoSQL-Datenbanken

Mehr

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd.

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd. Warum viele Daten für ein smartes Unternehmen wichtig sind Gerald AUFMUTH IBM Client Technical Specialst Data Warehouse Professional Explosionsartige Zunahme an Informationen Volumen. 15 Petabyte Menge

Mehr

Potentiale der Digitalisierung in der Energiewirtschaft

Potentiale der Digitalisierung in der Energiewirtschaft hsag Heidelberger Services AG Potentiale der Digitalisierung in der Energiewirtschaft Software Service Beratung Training Marketing hsag Heidelberger Services AG Leistungsspektrum Rund. Bei allem, was Energieunternehmen

Mehr

SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen

SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen WEITER BLICKEN. MEHR ERKENNEN. BESSER ENTSCHEIDEN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN VERSION 1.0 OPTIMIERUNG VON ABFRAGEN IN MS SQL

Mehr

proalpha Geschäftssoftware für den Mittelstand

proalpha Geschäftssoftware für den Mittelstand Whitepaper proalpha Geschäftssoftware für den Mittelstand Januar 2013 proalpha Integrierte Geschäftssoftware für den Mittelstand 2 Herausgegeben von proalpha Software AG Auf dem Immel 8 67685 Weilerbach

Mehr

Fachkräftesicherung durch Berufsbildungsexport

Fachkräftesicherung durch Berufsbildungsexport Fachkräftesicherung durch Berufsbildungsexport Export beruflicher Bildung Das Interesse an deutscher dualer beruflicher Bildung hat weltweit stark zugenommen. Die Nachfrage ggü. AHKs und IHKs kommt von

Mehr

Auswertung der Workload-Befragung mit MS ACCESS

Auswertung der Workload-Befragung mit MS ACCESS Auswertung der Workload-Befragung mit MS ACCESS Inhaltsverzeichnis 1. Aufbereitung der Daten... 2 1.1. Herstellung der Textfiles... 2 1.2. Import der Textdateien... 3 1.3. Verbindungen erstellen... 8 2.

Mehr

25.09.2014. Zeit bedeutet eine Abwägung von Skalierbarkeit und Konsistenz

25.09.2014. Zeit bedeutet eine Abwägung von Skalierbarkeit und Konsistenz 1 2 Dies ist ein Vortrag über Zeit in verteilten Anwendungen Wir betrachten die diskrete "Anwendungszeit" in der nebenläufige Aktivitäten auftreten Aktivitäten in einer hochgradig skalierbaren (verteilten)

Mehr

Betriebswirtschaftliche Anwendungssoftware auf Basis Freier Software eine Auswahl

Betriebswirtschaftliche Anwendungssoftware auf Basis Freier Software eine Auswahl ERP-Marktübersicht Betriebswirtschaftliche Anwendungssoftware auf Basis Freier Software eine Auswahl September 2011 2 3 Inhaltsverzeichnis 1. Einführung 1. Einführung...........................................................

Mehr

Datability. Prof. Dieter Kempf, Präsident BITKOM Oliver Frese, Vorstand Deutsche Messe AG. Hannover, 9. März 2014

Datability. Prof. Dieter Kempf, Präsident BITKOM Oliver Frese, Vorstand Deutsche Messe AG. Hannover, 9. März 2014 Datability Prof. Dieter Kempf, Präsident BITKOM Oliver Frese, Vorstand Deutsche Messe AG Hannover, 9. März 2014 Bürger fordern verantwortungsvollen Umgang mit Daten Inwieweit stimmen Sie den folgenden

Mehr

Zeitgemäße Verfahren für ganzheitliche Auswertungen

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

Mehr

ebusiness Lösung Dokumentenaustausch im

ebusiness Lösung Dokumentenaustausch im LEITFADEN ebusiness Lösung Dokumentenaustausch im Web Zusammenarbeit vereinfachen ebusiness Lösung Dokumentenaustausch im Web Impressum Herausgeber ebusiness Lotse Darmstadt-Dieburg Hochschule Darmstadt

Mehr

7.4 Analyse anhand der SQL-Trace. 7.3.5 Vorabanalyse mit dem Code Inspector

7.4 Analyse anhand der SQL-Trace. 7.3.5 Vorabanalyse mit dem Code Inspector 7.4 Analyse anhand der SQL-Trace 337 7.3.5 Vorabanalyse mit dem Code Inspector Der Code Inspector (SCI) wurde in den vorangegangenen Kapiteln immer wieder erwähnt. Er stellt ein paar nützliche Prüfungen

Mehr

Neuerungen Analysis Services

Neuerungen Analysis Services Neuerungen Analysis Services Neuerungen Analysis Services Analysis Services ermöglicht Ihnen das Entwerfen, Erstellen und Visualisieren von Data Mining-Modellen. Diese Mining-Modelle können aus anderen

Mehr

Internet-Kosten in den 50 größten deutschen Städten. Durchschnittliche Preise für Tarife mit 16 MBit/s und 50 MBit/s Surfgeschwindigkeit

Internet-Kosten in den 50 größten deutschen Städten. Durchschnittliche Preise für Tarife mit 16 MBit/s und 50 MBit/s Surfgeschwindigkeit Internet-Kosten in den 50 größten deutschen Städten Durchschnittliche Preise für Tarife mit 16 MBit/s und 50 MBit/s Surfgeschwindigkeit Stand: August 2015 CHECK24 2015 Agenda 1. Zusammenfassung 2. Methodik

Mehr

Berufsbildungsexport aus Sicht der DIHK/IHK/AHK- Organisation

Berufsbildungsexport aus Sicht der DIHK/IHK/AHK- Organisation Berufsbildungsexport aus Sicht der DIHK/IHK/AHK- Organisation RA Steffen G. Bayer, Yorck Sievers, DIHK e.v. Berlin Auswärtiges Amt, Berlin, 18. Juni 2012 Ausgangssituation Das Interesse an deutscher dualer

Mehr

SOLISYON GMBH TOBIAS GRUBER BEN WEISSMAN. Analyse von Dimensions-Schlüsselfehlern bei der Aufbereitung von SSAS Datenbanken

SOLISYON GMBH TOBIAS GRUBER BEN WEISSMAN. Analyse von Dimensions-Schlüsselfehlern bei der Aufbereitung von SSAS Datenbanken WEITER BLICKEN. MEHR ERKENNEN. BESSER ENTSCHEIDEN. Analyse von Dimensions-Schlüsselfehlern bei der Aufbereitung von SSAS Datenbanken SOLISYON GMBH TOBIAS GRUBER BEN WEISSMAN ANALYSE VON OLAP-AUFBEREITUNGSFEHLERN

Mehr

Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie

Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie BIG DATA Future Opportunities and Challanges in the German Industry Zusammenfassung Die Menge der verfügbaren

Mehr

Datenschutzbestimmungen Extranet der Flughafen Berlin Brandenburg GmbH

Datenschutzbestimmungen Extranet der Flughafen Berlin Brandenburg GmbH Datenschutzbestimmungen Extranet der Flughafen Berlin Brandenburg GmbH Version 1.1 2012-07-11 Personenbezogene Daten Die Flughafen Berlin Brandenburg GmbH im Folgenden FBB genannt erhebt, verarbeitet,

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

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

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

Mehr

Publikationen, Zitationshäufigkeiten und Drittmittelprojekte der Professoren an deutschen Informatik-Fakultäten im Spiegel des WWW-Netzes

Publikationen, Zitationshäufigkeiten und Drittmittelprojekte der Professoren an deutschen Informatik-Fakultäten im Spiegel des WWW-Netzes Publikationen, Zitationshäufigkeiten und Drittmittelprojekte der Professoren an deutschen Informatik-Fakultäten im Spiegel des WWW-Netzes Bernhard Nebel Albert-Ludwigs-Universität, Freiburg 10. Januar

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

Foto: violetkaipa - Fotolia

Foto: violetkaipa - Fotolia Die D kön Foto: violetkaipa - Fotolia 10 IT-Trend Big Data atenflut steigt wie nen wir sie nutzen? Ständig erhöht sich die Masse der uns umgebenden Daten, Informationen werden immer schneller generiert.

Mehr

Oracle-Statistiken im Data Warehouse effizient nutzen

Oracle-Statistiken im Data Warehouse effizient nutzen Oracle-Statistiken im Data Warehouse effizient nutzen Reinhard Mense ARETO Consulting Köln Schlüsselworte: DWH, Data Warehouse, Statistiken, Optimizer, Performance, Laufzeiten Einleitung Für die performante

Mehr

D&B Connect. Unternehmensinformationen einfach in SAP-Systeme integrieren

D&B Connect. Unternehmensinformationen einfach in SAP-Systeme integrieren D&B Connect Unternehmensinformationen einfach in SAP-Systeme integrieren Risk Management Solutions Mit D&B und SAP auf Nummer sicher gehen Mit D&B Connect können Sie Ihre Geschäftspartner direkt über Ihr

Mehr

UNTERNEHMERISCHES WISSEN. ebusiness Lösung: Methoden des Wissensmanagements zur Verbesserung der Projektarbeit im Unternehmen

UNTERNEHMERISCHES WISSEN. ebusiness Lösung: Methoden des Wissensmanagements zur Verbesserung der Projektarbeit im Unternehmen UNTERNEHMERISCHES WISSEN ebusiness Lösung: Methoden des Wissensmanagements zur Verbesserung der Projektarbeit im Unternehmen Erfolgreich im Internet: Vermarkten, Wissen managen und lernen. Der ebusiness-lotse

Mehr

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

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

Mehr

MATCHING VON PRODUKTDATEN IN DER CLOUD

MATCHING VON PRODUKTDATEN IN DER CLOUD MATCHING VON PRODUKTDATEN IN DER CLOUD Dr. Andreas Thor Universität Leipzig 15.12.2011 Web Data Integration Workshop 2011 Cloud Computing 2 Cloud computing is using the internet to access someone else's

Mehr

Prof. Dr.-Ing. Rainer Schmidt 1

Prof. Dr.-Ing. Rainer Schmidt 1 Prof. Dr.-Ing. Rainer Schmidt 1 Business Analytics und Big Data sind Thema vieler Veröffentlichungen. Big Data wird immer häufiger bei Google als Suchbegriff verwendet. Prof. Dr.-Ing. Rainer Schmidt 2

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 BI EE mit großen Datenmengen

Oracle BI EE mit großen Datenmengen Oracle BI EE mit großen Datenmengen Christian Casek Riverland Solutions GmbH München Schlüsselworte: Oracle BI EE, Oracle BI Applications, Informatica, RPD, große Datenmengen, Performance, Performanceoptimierung,

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne

Mehr

Anforderungen an den Datenaustausch in der Lieferkette und darüber hinaus

Anforderungen an den Datenaustausch in der Lieferkette und darüber hinaus Anforderungen an den Datenaustausch in der Lieferkette und darüber hinaus Dr. Helmut Möbus Tatjana Spahl DAW SE Berlin, 10. April 2014 5 Generationen Unternehmensgeschichte der DAW Gegründet 1895 Über

Mehr

Zeiterfassungsanlage Handbuch

Zeiterfassungsanlage Handbuch Zeiterfassungsanlage Handbuch Inhalt In diesem Handbuch werden Sie die Zeiterfassungsanlage kennen sowie verstehen lernen. Es wird beschrieben wie Sie die Anlage einstellen können und wie das Überwachungsprogramm

Mehr

Ontologie Sinn, Zweck und Mehrwert für Ihr Unternehmen

Ontologie Sinn, Zweck und Mehrwert für Ihr Unternehmen NOW YOU KNOW [ SERIES] Ontologie Sinn, Zweck und Mehrwert für Ihr Unternehmen [YVES BRENNWALD, ONTOS INTERNATIONAL AG] 002 Ontologie und deren Bedeutung für die Unternehmen von heute Der Begriff der Ontologie

Mehr

Wie man über Facebook seine Zielgruppe erreicht

Wie man über Facebook seine Zielgruppe erreicht Wie man über Facebook seine Zielgruppe erreicht Informationsveranstaltung ebusiness-lotse Oberschwaben-Ulm Weingarten, 12.11.2014 Mittelstand Digital ekompetenz-netzwerk estandards Usability 38 ebusiness-lotsen

Mehr

MapReduce und Datenbanken Thema 15: Strom bzw. Onlineverarbeitung mit MapReduce

MapReduce und Datenbanken Thema 15: Strom bzw. Onlineverarbeitung mit MapReduce MapReduce Jan Kristof Nidzwetzki MapReduce 1 / 17 Übersicht 1 Begriffe 2 Verschiedene Arbeiten 3 Ziele 4 DEDUCE: at the intersection of MapReduce and stream processing Beispiel 5 Beyond online aggregation:

Mehr

Förderschwerpunkt Mittelstand-Digital

Förderschwerpunkt Mittelstand-Digital Förderschwerpunkt Mittelstand-Digital Veranstaltung ebusiness-lotse Schleswig-Holstein Rendsburg, 19.06.2014 Juliette Melzow BMWi, Referat IT-Anwendungen; Digitale Integration www.bmwi.de KMU sind das

Mehr

DATENSCHUTZERKLÄRUNG

DATENSCHUTZERKLÄRUNG DATENSCHUTZERKLÄRUNG Wir freuen uns über Ihr Interesse an unserer Website. Der Schutz Ihrer Privatsphäre ist für uns sehr wichtig. Nachstehend möchten wir Sie ausführlich über den Umgang mit Ihren Daten

Mehr

Studien- und Berufswahl - Suchergebnis

Studien- und Berufswahl - Suchergebnis Seite 1 von 5 Studiengang suchen Startseite Hochschulen Hochschule suchen Suchergebnis Suchergebnis Ihre Suche ergab folgendes Ergebnis: 87 Treffer: Land: Baden-Württemberg Biberach Freiburg Heidelberg

Mehr

Konzeption eines Enterprise 2.0 Projektmanagement - Tool mit Beteiligung diverser Stake Holder. Bachelorarbeit

Konzeption eines Enterprise 2.0 Projektmanagement - Tool mit Beteiligung diverser Stake Holder. Bachelorarbeit Konzeption eines Enterprise 2.0 Projektmanagement - Tool mit Beteiligung diverser Stake Holder Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft

Mehr

SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen

SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen Lennart Leist Inhaltsverzeichnis 1 Einführung 2 1.1 Aufgaben einer Datenbank...................... 2 1.2 Geschichtliche Entwicklung

Mehr

PRESSE-INFORMATION BUSINESS INTELLIGENCE PROFITIERT VON NEUEN TECHNOLOGIEN

PRESSE-INFORMATION BUSINESS INTELLIGENCE PROFITIERT VON NEUEN TECHNOLOGIEN PRESSE-INFORMATION BI-13-09-13 BUSINESS INTELLIGENCE PROFITIERT VON NEUEN TECHNOLOGIEN Business Analytics und Business Performance Management sind wesentliche Wachstumstreiber Mittelstand ist bedeutende

Mehr

Wir bringen Ihre Daten als Erster ins Ziel.

Wir bringen Ihre Daten als Erster ins Ziel. Wir bringen Ihre Daten als Erster ins Ziel. Care for content. From start to finish. Wir bringen Ihre Daten als Erster ins Ziel. Ihre E-Mail startet mit Vollgas von der Pole Position ins Internet. Da nähert

Mehr

SEMINARRAUMVERMIETUNG SEMINARRÄUME MIETEN BUNDESWEIT. Seminar- und PC- Schulungsräume mieten

SEMINARRAUMVERMIETUNG SEMINARRÄUME MIETEN BUNDESWEIT. Seminar- und PC- Schulungsräume mieten Seminar- und PC- Schulungsräume mieten SEMINARRAUMVERMIETUNG SEMINARRÄUME MIETEN BUNDESWEIT SYMPLASSON TRAININGSCENTER SYMPLASSON INFORMATIONSTECHNIK GMBH Berlin Bremen Dresden Dortmund Essen Erfurt Düsseldorf

Mehr

Planung und Reporting

Planung und Reporting Planung und Reporting Grundlagen, Business Intelligence, Mobile BI und Big-Data-Analytics Bearbeitet von Dietmar Schön 2. Auflage 2015. Buch. XXVIII, 364 S. Kartoniert ISBN 978 3 658 08008 2 Format (B

Mehr