BARC M1: Trends im Data Warehousing und Datenmanagement
|
|
- Martina Winter
- vor 8 Jahren
- Abrufe
Transkript
1 BARC M1: Trends im Data Warehousing und Datenmanagement München, 17. Juni 2013 Otto Görlich, Timm Grosser, Lars Iffert BARC
2 Business Application Research Center Historie 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl Wirtschaftsinformatik der Universität Würzburg (Prof. Thome) 1999: Spin-Off als eigenständiges Analystenhaus (BARC GmbH) 2005: Internationalisierung 2011: Fusion mit CXP zu einer Unternehmensgruppe (80 Mitarbeiter, davon 40 Analysten) BARC Heute 35 Mitarbeiter, davon 15 Analysten & Berater über 1200 Kunden jährlich Themen: Business Intelligence, Datenmanagement, Enterprise Content Management, IT Service Management, ERP, CRM, HR Standorte: Würzburg, Zürich, Wien, London, Paris BARC
3 Ressourcen bei BARC für Ihr Projekt Durchführung von internationalen Umfragen, basierend auf eigenem IT-Anwender-Panel The BI Survey 13 Datenqualitätsmanagement Planung und Budgetierung in Europa etc. Marktforschungsstudien Produktvergleichsstudien Business Intelligence Datenmanagement Enterprise Content Management IT Service Management Veranstaltungen Tagungen - LIVE-Demos von Software-Lösungen Seminare und individuelle Workshops Webinare zu unterschiedlichen Themenschwerpunkten Online Demos auf Consulting Individuelle Unterstützung für Strategie, Architektur und Software-Auswahl Unabhängige Beratung in den Bereichen BI, Data Warehousing und Datenintegration, ECM, IT Service Management, ERP, CRM BARC
4 Trends im Data Warehousing und Datenmanagement Agenda Status quo Datenmanagement Data Governance Big Data Analytische Datenbanken Datenarchitekturen Datenqualitätsmanagement & Stammdatenmanagement BARC
5 Die Krise hat Anforderungen an BI verändert Kurzfristig verfügbare Transparenz und Frühindikatoren Prozessorientierte Auswertungen Planung und Simulation Dezentrale Flexibilität - Umsetzungsgeschwindigkeit für Änderungen BARC
6 Angebot Nachfrage IT-Lösungsangebot Consumerization Heutige Angebotsentwicklung Private und betriebliche Nutzung von IT verschwimmt Historische Angebotsentwicklung Anwendererwartungen wachsen rapide Anwendermacht ebenso Unternehmen Konsument Bild in Anlehnung an: BARC
7 Anwender fordern frischere Daten zur Entscheidungsunterstützung % aller Daten Aktualisierungszyklen werden heterogener Aktualisierungszyklen verkürzen sich real time mehrmals am Tag Schätzung BARC 2008 täglich monatlich jährlich Aktualisierungszyklus BARC
8 Echtzeit-Daten Wie viel Prozent der Daten werden in welchem Zeitintervall zur Verfügung gestellt? < 5 Sekunden < 1 Minute < 1 Stunde Einmal am Tag Einmal in der Woche Einmal im Monat 4% 10% 4% 7% 6% 9% 13% 9% 27% 24% 45% 40% BARC Big Data Survey 2013 n = 160 0% 20% 40% 60% Heute Geplant BARC
9 Status quo Agiles BI stellt besondere Flexibilitäts- und Skalierbarkeitsanforderungen an das Datenmanagement, die durch die hohe Komplexität in den historisch gewachsenen Analytischen Systemen nur mit hohem Aufwand und hoher Latenz umgesetzt werden können BARC
10 Dezentrale Flexibilität durch Self Service BI Self Service BI Modifikation von Berichten und Dashboards Erzeugung von Berichten und Dashboards ad-hoc Integration privater, lokaler Daten Modifikation und Erzeugung von Datenmodellen Data Stewardship (Verbesserung Datenqualität) Data Governance BARC
11 Dezentrale Flexibilität durch Sandboxing BI Services BI Sandbox Data Mart Data Mart Data Mart DP Services Data Warehouse Ind. copy DP Sandbox IQ Services IQ Sandbox OLTP BARC
12 Status quo Agiles BI stellt besondere Flexibilitäts- und Skalierbarkeitsanforderungen an das Datenmanagement, die durch die hohe Komplexität in den historisch gewachsenen Analytischen Systemen nur mit hohem Aufwand und hoher Latenz umgesetzt werden können BARC
13 Datenwachstum Wie stark wachsen die für Berichtswesen und Analyse bereitgestellten Daten im Unternehmen pro Jahr? % 66% 19% 7% % 54% 35% 8% % 48% 36% 13% 0% 20% 40% 60% 80% 100% Negatives / Kein Wachstum Leicht wachsend (1-25%) Stark wachsend (25%-50%) Sehr stark wachsend (>50%) n = BARC
14 Verwendete Daten Welche Daten nutzen Sie für die Analyse? Transaktionsdaten 70% 20% 10% Logs 55% 30% 15% Sensorik 44% 31% 24% Unstrukturierte Daten (Dokumente, Video, Bild) 40% 29% 32% Social-Media-Daten 14% 50% 36% 0% 20% 40% 60% 80% 100% Im Einsatz Geplant Nicht geplant Q: BARC Big Data Survey Europe, n = BARC
15 Höhere Anwenderzahlen Höhere Komplexität der klassischen BI-Infrastrukturen Größere Datenmengen Höhere Anwenderzahlen BARC
16 Höhere Abfragekomplexität Höhere Komplexität der klassischen BI-Infrastrukturen Größere Datenmengen Höhere Anwenderzahlen Höhere Abfragekomplexität Traditionelle BI-Anwendungen Dashboards Standard- Reporting Ad hoc Reporting Analyse Data Mining Planung Wir wollen nicht mehr nur Reporting machen BARC
17 Trends im Data Warehousing und Datenmanagement Agenda Status quo Datenmanagement Data Governance Big Data Analytische Datenbanken Datenarchitekturen Datenqualitätsmanagement & Stammdatenmanagement BARC
18 Wesentliche Treiber für Data Governance Prüfung und Umsetzung von Big Data Initiativen Antworten finden auf die wachsenden Flexibilitätsanforderungen aus den Fachbereichen Sicherstellung der Datenqualität & Steigerung der Vertrauenswürdigkeit von Daten Sicherstellung der Skalierbarkeit Erfüllung und Einhaltung von gesetzlichen Vorschriften Einhaltung des Datenschutz BARC
19 Hauptprobleme in BI-Projekten Keine nennenswerte Probleme 32% Abfragegeschwindigkeit zu langsam Fehlendes Interesse der Nutzer Schlechte Datenqualität Unternehmenspolitik Uneinigkeit über Anforderungen Administrative Probleme Anforderungen änderten sich 17% 15% 15% 14% 13% 12% 12% Was sind die schwerwiegendsten Probleme, die bei der Nutzung von BI auftreten? Schlechte Data Governance Software ist nicht flexibel genug Unzuverlässige Software Daten aus einigen Vorsystemen nicht übernehmbar Fehlende Schlüsselfunktionen Softwarebedienung zu schwierig 9% 9% 8% 7% 6% 6% Zu große Datenvolumen für Produkt 4% Sicherheitbeschränkungen im Produkt 3% Quelle: BARC BI Survey 12 Zu große Nutzerzahlen für Produkt 2% (Oktober 2012), n= % 20% 40% BARC
20 Data Governance (Datensteuerung) entspricht in Summe den Menschen, Prozessen und Technologien, die zur Verwaltung und zum Schutz des Datenkapitals des Unternehmens benötigt werden, um allgemein verständliche, korrekte, vollständige, vertrauenswürdige, sichere und auffindbare Unternehmensdaten garantieren zu können BARC
21 Nutzen einer Data Governance Bessere Entscheidungsunterstützung durch unternehmensweit abgestimmte Daten und Prozesse Erhöhung der Skalierbarkeit der IT-Landschaft durch klare Regeln Optimierung der Datenverwaltungskosten (zunehmend wichtig im Zeitalter explodierender Datenmengen) Steigerung der Effizienz durch Nutzung von Synergieeffekten Höheres Vertrauen in Daten durch qualitätsgesicherte und zertifizierte Daten sowie eine durchgängige Dokumentation der Datenprozesse, Erfüllung von Compliance Richtlinien, wie bspw. Basel III, Solvency II, u.a., Sicherheit für interne und externe Daten durch Überwachung und Prüfung der Datenschutzrichtlinien Steigerung der Prozesseffizienz durch Standardprozesse Klare Verantwortung und transparente Kommunikation BARC
22 Herausforderungen bei der Einführung einer Data Governance Politik & Menschen Kommunikation Budgets & Stakeholder Standardisierung vs. Flexibilität BARC
23 Marktsegmentierung: Werkzeuge zur Unterstützung von Data Governance Initiativen Data Governance Metadatenmanagement Datenqualitätsmanagement Stammdatenmanagement Datenintegration Datenmodellierung BARC
24 Erkenntnis Data Governance ist Voraussetzung für die erfolgreiche Nutzung von Daten. Wer Data Govnernance nicht beachtet handelt grob fahrlässig und verbaut Potentiale. Data Governance Projekte sind richtig aufgesetzt keine unbeherrschbaren, hoch-komplexen Projekte BARC
25 Trends im Data Warehousing und Datenmanagement Agenda Status quo Datenmanagement Data Governance Big Data Analytische Datenbanken Datenarchitekturen Datenqualitätsmanagement & Stammdatenmanagement BARC
26 Big Data verkörpert neue Daten Merkmale erzeugt vom heutigen digitalisierten Marktplatz Eigenschaften von Big Data Volume Variety Velocity Daten in großen Mengen Terabytes bis Petabytes von Daten Daten in vielen Formen Strukturierte, polystrukturierte, Text, Multimedia Daten Daten in Bewegung Analyse von Datenströmen für Entscheidungen in Sekundenbruchteilen Veracity Daten Verlässlichkeit Management der Zuverlässigkeit und Berechenbarkeit von inhärent ungenauen Datentypen BARC
27 Die andersartigen, zusätzlichen (riesigen) Daten(mengen) und die technischen und wirtschaftlichen Verarbeitungsmöglichkeiten eröffnen ein neues IT-Modell: contextual computing Smartphones, Browser, Apps, etc. erzeugen eine riesige Menge an Daten über Nutzer und Kunden Menschen tauschen in sozialen Netzwerken (frei) Meinungen, Wissen, Bedürfnisse und ihre Absichten aus Open Data und Open API ermöglichen den Durchbruch im Hinblick auf Zugang und Integration Semantik-Technologie wie RDF ermöglichen automatisierte Datenverwertung und -aufnahme Neue Datenbanken zur Speicherung und web-scale Verarbeitung kontextabhängiger Informationen Advanced Analytics erschließen (automatisiert) Zusammenhänge für weitreichende Analyse und Prognosemöglichkeiten Watson-style Beratung mithilfe großer Speicher und kontextabhängiger Daten Mehrwert und konkretere Sichten durch lern- und anpassungsfähige Interaktionen und Visualisierungen BARC
28 Big Data macht nicht alles neu, sondern ergänzt bekannte Konzepte Traditioneller Ansatz Strukturiert, analytisch, logisch Neuer Ansatz kreativ, ganzheitlich, intuitiv Transaction Data Data Warehouse Hadoop Streams Web Logs Internal App. Data Strukturiert Mainframe Data Wiederholbar Linear OLTP Systems Data Enterprise Data Integration Social Data Unstrukturiert Erforschend Text Data, s Iterativ Sensor Data, Images ERP Sytems Data Traditional Sources New Sources RFID BARC
29 Events / Streams Social Media Multimedia Documents (unstructured) Data at Rest Packages Big Data ergänzt das traditionelle DWH um Daten- und Analyse-Typen sowie weitere Dimensionen Produce Collect Integrate Provide Calculate Analyse Consume Orders, Lieferanten, Warenwirtschaft, CRM, etc. Traditionelles DWH Big Data Extract / Import Integrate/Cleanse/ De-duplicate Customer Master Data Map Enterprise DWH Reduce Cube Data Mart Data Mining & Statistics Optimization & Simulation Semantic Analysis Operational Analytics Business Analytics Predictive Analytics Analytics on Data at Rest Extract / Import Shuffle / Transform Fuzzy Comparison Calculation Networks Business Rules Real Time Analytics Event detection Capture real-time data Visualization Discovery Alle verfügbaren Daten Big Data Governance BARC
30 Events / Streams Social Media Multimedia Documents (unstructured) Enterprise Query Layer Orders, Lieferanten, Warenwirtschaft, CRM, etc. Das Big Data Zielbild bietet den Fachbereichen end-to-end Analyse- Möglichkeiten und Transparenz der zugrundeliegenden Technologie Produce Collect Integrate Provide Calculate Analyse Consume Enterprise DWH Cube Operational Analytics Integrate/Cleanse/ De-duplicate Customer Master Data Data Mart Business Analytics Data Mining & Statistics Predictive Analytics Map Reduce Optimization & Simulation Semantic Analysis Analytics on Data at Rest Extract / Import Event detection Shuffle / Transform Fuzzy Comparison Business Rules Calculation Networks Real Time Analytics Visualization Discovery Capture real-time data Enterprise Data Hub Big Data Governance Analytics Platform Analytics Portal BARC
31 Fehlannahmen über Big Data Big Data ist in erster Linie große Datenmengen Wir müssen alle älteren Systemen in der neuen Welt von Big Data ersetzen "Big Data ist nur Hadoop oder Open Source "Ältere Transaktionsdaten spielen keine Rolle mehr "Data Warehouses sind eine Sache der Vergangenheit "Big Data ist für die Internet-versierten Unternehmen. Traditionelle Unternehmen sind immun "Wir haben nicht die Notwendigkeit oder das Budget oder entsprechende Fähigkeiten, also interessiert es uns auch nicht "Big Data erfordert viele Data Scientists für Codierung und Betrieb" BARC
32 Trends im Data Warehousing und Datenmanagement Agenda Status quo Datenmanagement Data Governance Big Data Analytische Datenbanken Datenarchitekturen Datenqualitätsmanagement & Stammdatenmanagement BARC
33 Was ist eine Analytische Datenbank - was macht eine DWH Appliance aus? Analytische Datenbank (SW-only oder DWH Appliance) DBMS mit besonderer Eignung (Architektur, Arbeitsweise, Funktionen) für Analytik, was vor allem durch Abfrage- Eigenschaften bestimmt wird Vorkonfigurierte HW/SW-Pakete zur Sicherstellung eines ausgewogenen Systems und einfachem Betrieb (DWH) Appliance BARC
34 Key Points Marktentwicklung Analytische Datenbanken Die Komplexität analytischer Infrastrukturen wächst Anwender fürchten Anforderungen mit traditionellen Datenbanken nicht mehr effizient umsetzen zu können. Deutliche Sichtbarkeitsschwelle für analytische Datenbanken vor 10 Jahren. Neue Lösungsangebote sorgen für steigende Marktdynamik. Datenbankhersteller kommen und gehen. Etablierte Anbieter ziehen nach durch Aufkäufe und/oder Eigenentwicklungen. Einsatz von analytischen Datenbanken auf dem DACH Markt eher zurückhaltend. Vertrauen wird vor allem einheimischen neuen Anbietern geschenkt. Nachwievor stark vorne liegen die etablierten DB Anbieter IBM, Oracle und Teradata. Traditionelle Anbieter rüsten Bestandskunden auf, haben einen schwachen Neukundengewinn BARC
35 Dritte Generation der Datenbank-Technologie 1. Generation DBMS: Proprietäre DBMS wie IMS, IDMS, Datacom 2. Generation DBMS: RDBMS für offene Systeme hängen von Disk Layout ab, Begrenzungen bzgl. Skalierbarkeit und Disk I/O 3. Generation DBMS: Die meisten Data Warehouse Datenbanken werden einen Column Store verwenden Die meisten (OLTP) Datenbanken werden entweder durch eine In-Memory-Datenbank ergänzt werden, oder selbst vollständig im Hauptspeicher liegen Die meisten Datenbank Server für große Systeme werden horizontale Skalierbarkeit durch Clustering erreichen Analytische Datenbanken BARC
36 Trends im Markt analytischer Datenbanken Technologische Innovationen Hardware Speicherformen für analytische Datenbanken Speicherorte für analytische Datenbanken Lieferformen für analytische Datenbanken Prozessoren Speicher(-hierarchie) Software Relational, zeilenorientiert Relational, spaltenorientiert Festplatte Solid State Disks Software Appliance Verschiedene Ausprägungen Speicherform Speicherort Lieferform Architektur Multidimensional Sonstige (Objekt-relational, Assoziativ, Datei, Streaming) Single-Node SMP SMP-Cluster RAM Prozessor-Cache optimiert Architekturen SMP- 2tierCluster Cluster MPP-symetr. Data as a Service MPP-asymetr. Einer für alles versus aufgabenspezifisch optimiert BARC
37 Architekturprinzipien und Designansätze optimiert für die Analyse Skalierbarkeit ist die Fähigkeit die Leistung durch hinzufügen von Ressourcen zu steigern Optimal: 100% mehr Ressourcen führen zu 100% mehr Leistung Gut ist auch schon eine Steigerung der Leistung von > 80% In der Vergangenheit konnte Leistungssteigerung auch durch schnellere Systemkomponenten erreicht werden Dies ist heute fast nicht mehr möglich, weil einzelne Bauteile nicht mehr deutlich schneller werden (z.b. CPUs) sondern nur die Anzahl erhöht werden kann Operationen müssen also zusätzliche Ressourcen nutzen, was eine entsprechende Architektur erfordert Voraussetzung für Skalierbarkeit ist somit die Parallelisierung Essentiell für die Skalierbarkeit ist die Vermeidung von sequentieller Verarbeitung und die Reduktion von Abhängigkeiten BARC
38 Parallele Query Verarbeitung 46 select sum(x) from table_a,table_b where a = b connect Sum Join Optimize Coord Get statistics Read A Read B sum( ) Catalog sum=10 sum=12 sum=13 sum=11 Agent Agent Agent Agent Sum Sum Join Join Join A B A B A B Part1 Part2 Part3 PartN Sum Sum Join A B table_a table_b BARC
39 Funktionen analytisch optimierter Technologien: Zusammenfassung der Trends Hohe Kompression Notwendig, da RAM der limitierende Faktor ist. Zeilen & spaltenbasierte Speicherung Zeilenformat für transaktionale Workloads und spaltenformat bei Datenzugriffen für OLAP Queries. Multi-Core und Vector optimierte Algorithmen Vermeidung von Locks oder Synchronisation. Ausnutzen von speziellen HW Features In-Memory Datenbanken Datenbanktechnologie der 3. Generation vermeidet (Disk) I/O. Kompression und spezielle Technologien erlauben auch große Datenbanken im Memory zu halten. Prädikat-Evaluierung mit komprimierten Daten Verarbeitung (Scans und Evaluierung) der Daten in komprimiertem Format Frequency Partitioning Voraussetzung für den effektiven parallelen Zugriff auf die komprimierten Daten mit horizontaler und vertikaler Eliminierung von Datenpartitionen. Massive Parallelität Alle Prozessor-Cores werden für Queries genutzt. MPP und shared nothing Architekturen BARC
40 Vieles ist nicht mehr notwendig: Keine Indexkreierung- und pflege Keine materialisierte View-Verwaltung Keine Aggregate und Summaries Keine Statistikverwaltung Keine Storage-Allokation Keine Anwendungsänderungen Fazit: der Einsatz einer analytischen Datenbank verbessert die Performance, vereinfacht die Administration und senkt die Betriebskosten BARC
41 Marktübersicht Analytische Datenbanken Anbieter/DB-Engine Speicherstelle Lieferform Speichertyp Architektur Disk (HDD/SSD) In- Memory (RAM) Software Appliance DaaS Column Row SMP MPP Actian Vectorwise x x x (x) x Calpont InfiniDB x x x x x x EMC Greenplum x x x x x x A Exasol ExaSolution x x x x x x x S HP Vertica Analytics Platform x x x x x (x) x S IBM DB2 (PureData Op. Analytics) x x x x x S IBM Netezza (PureData Analytics) x x x x A InfoBright x x x Kognitio WX2 (x) x x x x x x S Microsoft SQL Server / PDW x x x x x C x Oracle Database / Exadata x x x (x) x 2TC ParAccel Analytic Platform x x x x x x x ParStream x x x x x x SAND Analytics Server x x x x x x SAP HANA (x) x x x (X) x S Sybase IQ x x x C Teradata x x x x x S Teradata Aster Database x x x x x x x S Auszug BARC-Studie Analytische Datenbanken 2013 X= ja C=SMP Cluster 2TC=2-tier-Cluster S=symetrisch A=asymetrisch BARC
42 Auszug aus der BARC Studie Analytische Datenbanken (Bewertung) Anbieter und Produkt 5 Flexibilität 4 3 Abfrage-Fähigkeiten 2 1 Gesamtkosten 0 Pflege-Fähigkeiten Anbieter und Produkt 5 Flexibilität 4 3 Abfrage-Fähigkeiten Umsetzungseffizienz Mixed Workloads 2 1 Hochverfügbarkeit Gesamtkosten 0 Pflege-Fähigkeiten Actian Hersteller Vectorwise x v2.5 Durchschnitt Umsetzungseffizienz Mixed Workloads Hochverfügbarkeit IBM Hersteller DB2 v10/isas/puredata y for op. Analytics Durchschnitt BARC
43 BARC-Bundle: Analytische Datenbanken Schnelle Analysen, einfacher Betrieb, niedrige Kosten noch Wunsch oder schon Wirklichkeit? Bestandteile: - Aktuelle Markttrends, -übersicht und klassifizierung der ADB-Technologien - Analystenkommentare zu Einsatz, Nutzen und Potential von ADBs - Vergleichende funktionale Bewertung relevanter ADBS anhand Stärken- Schwächen-Analysen - Beschreibung der Datenbank-Leistungsfähigkeit anhand von bestmöglichen Einsatzszenarien für jede analysierte Datenbank - PPT-Grafiken für Ihre Präsentationen - Eintägiges Seminar zur Vertiefung und Beantwortung individueller Fragen und Beschleunigung der Umsetzung des Themas in Ihrem Unternehmen BARC
44 Exkurs In-Memory: Entwicklung Preis-/Nutzen der Hardware BARC
45 In-Memory Datenbanken (IMDB) - Charakteristika Daten befinden sich permanent im Hauptspeicher Hauptspeicher ist die primäre "Persistenz Immer noch: Logging auf die Festplatte / Recovery von der Festplatte Der Zugriff auf den Hauptspeicher ist der neue Engpass Cache - bewusste Algorithmen / Datenstrukturen sind entscheidend (Lokalität ist wichtig) Nutzung von Prozessor Features (Vector Instruktionen, SIMD) Spaltenbasierte Datenspeicherung mit hohem Komprimierungsfaktor (Memory ist der limitierende Faktor) (Teilweise) Verarbeitung der Daten in komprimierter Form spart Rechenleistung Hauptspeicher optimierte Algorithmen und Verarbeitung BARC
46 In-Memory Datenbank - Beispiele EXASOL EXASolution IMDB für analytsche Anwendungen IBM DB2 mit In-Memory Erweiterung BLU Hybride Datenspeicherung (klassisch und In-Memory) für OLTP und analytische Anwendungen DB2 with BLU Acceleration Runtime Classic DB2 runtime Classic DMS (non-blu tables) CPUs with SIMD BLU runtime BLU DMS (BLU tables) Classic DB2 bufferpool SAP HANA IMDB für analytische und OLTP Anwendungen Storage classic row structured table C1 C2 C3 C4 C5 C6 C7 C8 compressed, encoded columnar C1 C2 C3 C4 C5 C6 C7 C BARC
47 BARC-Coaching-Paket: SAP HANA Erhalten sie einen realistischen Einblick in die Chancen und Herausforderungen des Einsatzes von SAP HANA und der Alternativen für Ihr Unternehmen! Bestandteile: - Workshop - Übersicht BI mit SAP - Vergleich Leistungsfähigkeit - Positionierung in der BI-Landschaft Herausforderungen und Potentiale - Projekterfahrungen und Fallbeispiele - Technik, Markttrend, Benchmarks, Best Practices - Individuelle Gestaltung nach Ihren Wünschen - BARC-Studie Analytische Datenbanken - Unabhängige Bewertung aller marktführenden Produkte und interessante Neueinsteiger - Ein einheitlicher Kriterienkatalog sorgt für Transparenz und Vergleichbarkeit - Research Service BI Manager - 6 Monate Zugriff auf weitere wertvolle Informationsquellen - Monatliche Research Notes zu aktuellen Themen - Marktanalysen und Hintergrundbeiträge - Kostenfreie Teilnahme an BARC-Tagungen BARC
48 Trends im Data Warehousing und Datenmanagement Agenda Status quo Datenmanagement Data Governance Big Data Analytische Datenbanken Datenarchitekturen Datenqualitätsmanagement & Stammdatenmanagement BARC
49 Die vier Kernsätze für Data Warehousing formuliert in den 90er Jahren Operative und dispositive Umgebungen sollten sowohl aus Geschäfts- als auch aus technischen Gründen getrennt werden Ein Data Warehouse ist der einzige Weg, um eine zuverlässige, integrierte Sicht auf das Unternehmen zu erhalten Das Data Warehouse ist die einzig mögliche Instanziierung des vollständigen Unternehmens-Datenmodells Eine mehrschichtige Data Warehouse Architektur ist notwendig für die schnelle und zuverlässige Abfrage-Performance BARC
50 Herausforderungen im Umgang mit Daten und Informationen Quelle: BARC Data Warehousing 2011 Survey BARC
51 Aberdeen Study: Best-In-Class Data Management for BI 216 global organizations Significant trends in high performing companies Best in class are twice as likely to use MDM as all other companies 1.8 times more likely to have data cleansing capabilities 2.2 times more likely to have the ability to optimize queries Competitive maturity assessment showed Average of 39 days average time to integrate new data sources versus 8.9 months for laggards Average 60 percent decrease in time to information compared to 10 percent for laggards Average 81 percent of analytical employees have access to BI whereas laggards have only 23 percent Outstanding companies had an 18 percent average year-over-year profit margin increase, compared to the 12 percent industry average Source: Data Management for BI: Strategies for leveraging the Complexity and Growth of Business Data, Aberdeen Group, BARC
52 DWH-Architektur Das geschichtete Data Warehouse seit den frühen 90er Jahren Business Intelligence Services Monitoring Reporting Ad-hoc Analysis Management Services Planning Legal Consolidation Advanced Analysis Visualization Collaboration Business Layer, Data Marts Layer, Access Layer,... Wichtige Annahme: separate Semantic Layer Data Marts Data Provisioning Services benötigt, um Core Leistungseinschränkungen Data Warehouse Layer von Caching Relational Data Dimensional Federation/ relationalen Datenbanken zu überwinden Storage Data Storage Virtual Data Stores Integration & Quality Services Staging Layer, ODS, Near Real-Time Data,... System & Process Monitoring Data Modeling Meta Data Mgt. Security Automation Data Quality Data Integration Enrichment Master Data BARC
53 ERP SCM CRM Strukturierte Geschäftsdaten Externe Systeme DWH-Architektur Das geschichtete Data Warehouse seit den frühen 90er Jahren ETL (batch) Enterprise BI/DWH Lösung Staging (EDW) Komplexe Business Rules Star Schemas Komplexe Business Rules + Abhängigkeiten System of Record (EDW) Staging + Historie Conformed Dimensions Lookup Tables Hierarchien Fact Tables 65
54 Dashboards ERP SCM CRM Strukturierte Geschäftsdaten Standard- Reporting Ad hoc Reporting Analyse Externe Systeme Data Mining Planung Fortgeschrittene DWH-Architektur für Self Service BI, reduzierten Datenintegrationsaufwand, höhere Flexibiliät ETL (batch, continuous ingest,) Enterprise BI/DWH Lösung Star Schemas on demand Staging EDW Advanced Analytics ETL (batch, continuous ingest,) Komplexe Business Rules Report Collections Fundamentale Ziele wiederholbar konsistent Fehlertolerant skalierbar auditable Die business rules sind näher zu den Fachbereichen verlegt Verbesserte Reaktionszeiten in der IT Reduzierte Kosten und minimierte Beeinflussung des Enterprise Data Warehouse (EDW) 66
55 Fortgeschtrittene DWH-Architektur: Verbesserungen der Flexibilität, Abfrageperformance und Datenaktualität Business Intelligence Services Monitoring Reporting Verbesserte Abfrage Performance durch Ad-hoc Nutzung Analysis neuer Technologien Management Services Planning Legal Consolidation Advanced Analysis Visualization Collaboration System & Process Monitoring Data Provisioning Services Relational Data Storage Dimensional Data Storage Semantic Layer Federation/ Virtual Data Stores Datenbank Performance Caching Data Modeling Meta Data Mgt. Security Integration & Quality Services Data Quality Data Integration Enrichment Verbesserte Pflege Performance durch Vereinfachung der DI Strecken Master Data Automation BARC
56 Fortgeschrittene Data-Warehouse-Architektur: Zielbild Enterprise Query Layer/Daten Virtualisierung Logisches Data Warehouse Streaming/ Event Data Historical Reporting Data Core Business Data Business Analysis Data Multistructured Data Etc. Etc. Metadata Datenakquise und Integration ERP SCM CRM Externe Systeme Sensor-Daten Web Logs Social Media Dokumente Strukturierte Geschäftsdaten Maschinengeneriert (strukt.) Mensch generiert (polystr.) Integrierte Strukturen Säulen anstatt Schichten Daten über Säulen hinweg gemeinsam genutzt Gespeichert & Streaming RDBMS und nicht-relational per Verarbeitungsanforderung Metadaten (& Modelle) über die Säulen hinweg genutzt BARC
57 Trend zur gemischten BI/DWH-Topologie Data Sources Beispiele Event Data CRM Internet / Social Media ERP Data Integration Big Data Processing Real-time Analytics Traditional, centralized Enterprise Data Warehouse Queryable Archive IBM Logical Data Warehouse Architecture Teradata Analytic Eco-System Microsoft Distributed Data Warehouse Architecture External Sources Operational Analytics BI + Ad Hoc Analytics Q: IBM Data Governance, Security and Lifecycle Management Departmental Reporting Regional Reporting Central EDW Hub High-Performance Reporting Q: Teradata Landing Zone Q: Microsoft ETL Tools 69
58 Finales Beispiel: ebay-bi-umgebung (Mitte 2012) Tom Fastner, Sr. MTS APD Architecture, ebay 70
59 Schlussfolgerung: Big Data erweitert BI auf eine neue Ebene Jenseits des Hype, Big Data ist Mainstream und bietet neue Geschäftsmöglichkeiten in der Analytik- und Prozessinnovation Hadoop und zugehörige Tools sind eine (Entwicklungs) Umgebung die für Analytik und Datenaufbereitung geeignet ist Der Einsatz einer analytischen Datenbank kann die Performance verbessern, die Administration vereinfachen und die Betriebskosten senken. Big Data (und mehr) verlangt nach einem neuen Ansatz Inklusive aller Informations- Quellen, Typen und Nutzung Technologie und mehr und andersartige Daten eröffnen neue Möglichkeiten in Richtung context computing Fortgeschrittene Data Warehouse Architektur als Integrationsplattform für alle Daten BARC
60 Trends im Data Warehousing und Datenmanagement Agenda Status quo Datenmanagement Data Governance Big Data Analytische Datenbanken Datenarchitekturen Datenqualitätsmanagement & Stammdatenmanagement BARC
61 Gründe für Datenqualitätsinitiativen und Stammdatenmanagement: höhere Anforderungen im Fachbereich Big Data Mobile Social Media Fachbereich Verlässliche Daten (Stammdatenmanagement und Datenqualität) BARC
62 Datenmanagement Relevante Themen aus Anwendersicht SaaS / Cloud-Angebote / gehostete Lösungen 40% 28% 29% Big Data 56% 20% 21% Nutzung mobiler Endgeräte 64% 21% 13% Echtzeit-Daten zur Analyse 66% 16% 17% Self-Service BI 72% 17% 8% Stammdatenmanagement (MDM) und Datenqualität 82% 10% 5% 0% 20% 40% 60% 80% 100% (Sehr) wichtig Gleichgültig Kaum / (un-)wichtig Bewerten Sie die Relevanz der folgenden Trendthemen für Ihr Unternehmen, n=192 BARC Big Data Survey Europe 2012, Dez 2012, BARC
63 Datenmanagement Relevante Themen aus Anwendersicht SaaS / Cloud-Angebote / gehostete Lösungen 40% 28% 29% Big Data 56% 20% 21% Nutzung mobiler Endgeräte 64% 21% 13% Echtzeit-Daten zur Analyse 66% 16% 17% Self-Service BI 72% 17% 8% Stammdatenmanagement (MDM) und Datenqualität 82% 10% 5% 0% 20% 40% 60% 80% 100% (Sehr) wichtig Gleichgültig Kaum / (un-)wichtig DQ und MDM als wichtigstes Trend -Thema Bewerten Sie die Relevanz der folgenden Trendthemen für Ihr Unternehmen, n=192 BARC Big Data Survey Europe 2012, Dez 2012, BARC
64 Hauptprobleme in BI Projekten (aus Anwendersicht) Keine nennenswerte Probleme 32% Abfragegeschwindigkeit zu langsam Fehlendes Interesse der Nutzer Schlechte Datenqualität Unternehmenspolitik Uneinigkeit über Anforderungen Administrative Probleme Anforderungen änderten sich 17% 15% 15% 14% 13% 12% 12% Was sind die schwerwiegendsten Probleme, die bei der Nutzung von BI auftreten? Schlechte Data Governance Software ist nicht flexibel genug Unzuverlässige Software Daten aus einigen Vorsystemen nicht übernehmbar Fehlende Schlüsselfunktionen Softwarebedienung zu schwierig 9% 9% 8% 7% 6% 6% Zu große Datenvolumen für Produkt 4% Sicherheitbeschränkungen im Produkt 3% Quelle: BARC BI Survey 12 Zu große Nutzerzahlen für Produkt 2% (Oktober 2012), n= % 20% 40% BARC
65 Hauptprobleme in BI Projekten (aus Anbietersicht) Schlechte Datenqualität 36% Keine nennenswerte Probleme 26% Unternehmenspolitik 21% Uneinigkeit über Anforderungen Anforderungen änderten sich Administrative Probleme Daten aus einigen Vorsystemen nicht übernehmbar Fehlendes Interesse der Nutzer 13% 13% 13% 16% 19% Was sind die schwerwiegendsten Probleme, auf die Anbieter bei Ihren Kunden stoßen? Softwarebedienung zu schwierig 12% Abfragegeschwindigkeit zu langsam 12% Zu große Datenvolumen für Produkt Fehlende Schlüsselfunktionen 5% 5% Unzuverlässige Software 3% Zu große Nutzerzahlen für Produkt 2% Quelle: BARC BI Survey 12 Sicherheitsbeschränkungen im Produkt 1% (Oktober 2012), n= % 20% 40% BARC
66 Datenqualitätsinitiativen erhöhen das Vertrauen in Datenqualität signifikant Vertrauen in Daten analysiert nach Status der Datenqualitätsinitiative: (n = 133, in %) Bereits im Einsatz 56% In der Umsetzung 13% Planung innerhalb des Jahres 23% langfristig geplant 21% Hohes Vertrauen nicht geplant 13% Quelle: BARC Studie Datenqualität in Deutschland Organisation und Initiativen BARC
67 Datenqualitätsmanagement und Stammdatenmanagement Bereich Ziel Lösung über Datenqualitätsmanagement Stammdatenmanagement Datenqualität in Daten verbessern Daten aus verschiedenen Datenquellen verwalten; dabei notwendig: Datenqualität Fachlichkeit Organisation Technik Richtlinien und Prinzipien Datenprofile Anwenderprofile Anwendungsfälle Regelwerke, Checklisten DQ und MDM sind ganzheitliche Themen BARC
68 Klassische Herangehensweisen zur Steigerung der Datenqualität BARC
69 Datenqualitätszyklus Datenqualität kann durch Umsetzung des DQ-Zyklus dauerhaft gesichert werden BARC
70 Datenqualitätszyklus, Beispiel Analyse (IBM) BARC
71 Datenqualitätszyklus, Beispiel Bereinigung (DataFlux: Aufbau von DQ-Prozessen) 83
72 Datenqualitätszyklus, Beispiel Referenzdaten (Microsoft SQL Server Data Quality Services: Definition von Referenzdaten)
73 Datenqualitätszyklus, Beispiel Kontrollieren und Überwachen (Trillium Software: DQ-Monitoring) BARC
74 Aktuelle Trends des Datenqualitätsmanagements BARC
75 Treiber des Datenqualitätsmanagements: Datenqualitätsmanagement im Fachbereich Treiber: DQ-Verständnis im FB, nicht IT Trends auf Anbieterseite: Werkzeuge für den Fachbereich (weniger technisch) Oberflächen für verschiedene Rollen (Regelersteller, Datenverwalter, Datennutzer ) BARC
76 Treiber des Datenqualitätsmanagements: Abdeckung des gesamten DQ-Zyklus Treiber: DQ soll ganzheitlich und nachhaltig verwaltet werden (Analyse, Bereinigung, Anreicherung, Überwachung und Kontrolle) Trends auf Anbieterseite: Komplettierung von Funktionen zur Abdeckung DQ-Zyklus Fehlende Funktionen aus DQ-Zyklus durch offene Schnittstellen durch Drittanbieter umsetzen BARC
77 Treiber des Datenqualitätsmanagements: DQ bereits bei Datenanlage sichern Treiber: Bereits in den operativen Systemen nur qualitativ hochwertige Daten halten Trends auf Anbieterseite: Integration von DQ-Logik in operative Systeme Erweiterung oder Ersetzung operativer Masken BARC
78 Treiber des Datenqualitätsmanagements: Schnellstart der DQ-Initiative Treiber: Schnelles und korrektes Starten der DQ-Initiative auch im kleinen und bei beschränkten Budgets Trends auf Anbieterseite: Vorlage-Datenmodelle Vorlage-Logik Online Services Pakete für bestimmte Aufgabenstellungen (Solvency II) BARC
79 Klassische Herangehensweisen zum Management von Stammdaten BARC
80 Stammdatenmanagement Klassischer Anforderung: Stammdaten aus verschiedenen Systemen sollen verwaltet werden Wesentliche Voraussetzung: qualitätsgesicherte Daten Persistenter MDM Hub (Repository, ein OLTP-System) Persistenter MDM Hub (Repository, spezielle Applikation) MDM OLTP-System OLTP-System MDM Leading OLTP-System OLTP-System Operational Systems Data Warehouse Data Mart Virtual MDM Hub (Registry) Analytical MDM (Repository, manuelle Datenpflege, Zielsystem: DWH) MDM MDM Operational systems Virtual Operational Systems Data Warehouse Data Mart BARC
81 MDM-Beispiel: Entwicklung von MDM-Regeln (Talend) 93 Screenshots: Talend
82 MDM-Beispiel: Anlage von Organisations-Stammdaten (SAP Netweaver Master Data Governance) BARC Screenshots: SAP
83 MDM-Beispiel: MDM mit anbieterspezifischen Workflows und Masken (ZetVisions SPoT: Pflege von Kreditoren/Debitoren) BARC
84 Aktuelle Trends des Stammdatenmanagements BARC
85 Treiber des Stammdatenmanagements: Integration weiterer Datenquellen Treiber: Integration weiterer Datenquellen Daten weiterer Standorte Integration der Datenmodelle Übersetzen von Daten Pflege von Daten Verteilung von Daten Trends auf Anbieterseite: Parallelbetrieb vs. Integration in operative Systeme Erweiterung oder Ersetzung operativer Masken Vorlage-Datenmodelle BARC
86 Treiber des Stammdatenmanagements: Datenqualität Treiber: Unzureichende Datenqualität = hohe Kosten, niedrige Motivation; DQ-Verständnis im FB, nicht IT Trends auf Anbieterseite: Eigene DQ-Lösung Integration externer DQ-Lösungen (Installation, Web Services) Abbildung gesamter DQ-Zyklus BARC
87 Treiber des Stammdatenmanagements: Mehr Datenlieferanten, mehr Datennutzer Treiber: Supply Chain Management, mehr Kanäle (Mobile Devices), soziale Medien Trends auf Anbieterseite: Abbildung von Rollen Besondere Benutzeroberflächen Workflows Regel-Management Business Glossare BARC
88 Treiber des Stammdatenmanagements: MDM-Daten für BI Treiber: MDM-Daten als Grundlage für BI-Systemen Trends auf Anbieterseite: MDM als Bestandteil der Business Intelligence / Data Integration Suite / Angebots BARC
89 Auszug Marktüberblick MDM Anbieter Dun&Bradstreet zetvisions Fachliche Spezialisten Vision Ware Zynapse Heiler Software Netconomy SAP Oracle Datanomics Hyperion Silver Creek Daten- Management Informatica Siperian Talend Amalto SAS DataFlux Tibco Teradata Service Orientierte Infrastruktur IBM Trigo, DWL, Initiate Microsoft Stratature Software AG Data Foundations Information Builders Ataccama (OEM) Ab Initio Ataccama Innovative Systems Stibo Systems Kalido ISO Systems Scarus Unterschiedliche Anforderungen an MDM werden von Anbietern durch verschiedene Herangehensweisen bedient Technische Integration BARC
Was ist Analyse? Hannover, CeBIT 2014 Patrick Keller
Was ist? Hannover, CeBIT 2014 Patrick Keller Business Application Research Center Historie 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl Wirtschaftsinformatik der Universität
MehrNutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI. Hannover, 10. März 2014 Patrick Keller, Senior Analyst
Nutzen und Nutzung aktueller Trends in der BI: Schwerpunkt Self Service BI Hannover, 10. März 2014 Patrick Keller, Senior Analyst Business Application Research Center BARC Historie BARC ist der führende
MehrBusiness Intelligence - Wie passt das zum Mainframe?
Business Intelligence - Wie passt das zum Mainframe? IBM IM Forum, 15.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Ressourcen bei BARC für Ihr Projekt Durchführung von internationalen Umfragen,
MehrDatenintegration, -qualität und Data Governance. Hannover, 14.03.2014
Datenintegration, -qualität und Data Governance Hannover, 14.03.2014 Business Application Research Center Führendes europäisches Analystenhaus für Business Software mit Le CXP (F) objektiv und unabhängig
MehrAnalytische 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
MehrBig 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
MehrBI 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
MehrDas Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor
Das Zettabyte CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zetabyte: analytische Datenbanken Die Datenflut. Analytische Datenbanken: Was ist neu? Analytische Datenbanken:
MehrTrends in Business Intelligence
Trends in Business Intelligence Patrick Keller Senior Analyst BARC Business Application Research Center BARC ist Marktanalyst und Berater spezialisiert auf Business Intelligence, Daten- und Dokumentenmanagement.
MehrSelf Service BI der Anwender im Fokus
Self Service BI der Anwender im Fokus Frankfurt, 25.03.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC 1 Kernanforderung Agilität = Geschwindigkeit sich anpassen zu können Quelle: Statistisches
MehrTrends im Markt für Business Intelligence. Patrick Keller, Senior Analyst & Prokurist CeBIT 2016
Trends im Markt für Business Intelligence Patrick Keller, Senior Analyst & Prokurist CeBIT 2016 18.03.2016 BARC 2016 2 IT Meta-Trends 2016 Digitalisierung Consumerization Agilität Sicherheit und Datenschutz
MehrHannover, 20.03.2015 Halle 5 Stand A36
Integrierte Unternehmensinformationen als Fundament für die digitale Transformation vor allem eine betriebswirtschaftliche Aufgabe Hannover, 20.03.2015 Halle 5 Stand A36 Business Application Research Center
MehrAnalyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria
Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards
MehrTechnologischen 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
MehrDie aktuellen Top 10 IT Herausforderungen im Mittelstand
Die aktuellen Top 10 IT Herausforderungen im Mittelstand Ronald Boldt, SPI GmbH Über mich Ronald Boldt Leiter Business Solutions SPI GmbH Lehrbeauftragter für Geschäftsprozess orientiertes IT Management
MehrVon Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15
9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics
MehrOpen Source als de-facto Standard bei Swisscom Cloud Services
Open Source als de-facto Standard bei Swisscom Cloud Services Dr. Marcus Brunner Head of Standardization Strategy and Innovation Swisscom marcus.brunner@swisscom.com Viele Clouds, viele Trends, viele Technologien
MehrDas bessere Unternehmen Industrialisierung von Information Management
Das bessere Unternehmen Industrialisierung von Information Management Webcast, April 2010 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Chefsache Information Management Unternehmen
MehrBI in der Cloud eine valide Alternative Überblick zum Leistungsspektrum und erste Erfahrungen 11.15 11.45
9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics
MehrOperational Big Data effektiv nutzen TIBCO LogLogic. Martin Ulmer, Tibco LogLogic Deutschland
Operational Big Data effektiv nutzen TIBCO LogLogic Martin Ulmer, Tibco LogLogic Deutschland LOGS HINTERLASSEN SPUREN? Wer hat wann was gemacht Halten wir interne und externe IT Richtlinien ein Ist die
MehrKomplexität der Information - Ausgangslage
Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher
MehrETL in den Zeiten von Big Data
ETL in den Zeiten von Big Data Dr Oliver Adamczak, IBM Analytics 1 1 Review ETL im Datawarehouse 2 Aktuelle Herausforderungen 3 Future of ETL 4 Zusammenfassung 2 2015 IBM Corporation ETL im Datawarehouse
MehrTest zur Bereitschaft für die Cloud
Bericht zum EMC Test zur Bereitschaft für die Cloud Test zur Bereitschaft für die Cloud EMC VERTRAULICH NUR ZUR INTERNEN VERWENDUNG Testen Sie, ob Sie bereit sind für die Cloud Vielen Dank, dass Sie sich
MehrBig 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
MehrUnternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise
Unternehmen und IT im Wandel: Mit datengetriebenen Innovationen zum Digital Enterprise Software AG Innovation Day 2014 Bonn, 2.7.2014 Dr. Carsten Bange, Geschäftsführer Business Application Research Center
MehrInfrastruktur fit machen für Hochverfügbarkeit, Workload Management und Skalierbarkeit
make connections share ideas be inspired Infrastruktur fit machen für Hochverfügbarkeit, Workload Management und Skalierbarkeit Artur Eigenseher, SAS Deutschland Herausforderungen SAS Umgebungen sind in
MehrMission. TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden
Mission TARGIT macht es einfach und bezahlbar für Organisationen datengetrieben zu werden Der Weg zu einem datengesteuerten Unternehmen # Datenquellen x Größe der Daten Basic BI & Analytics Aufbau eines
MehrInfor PM 10 auf SAP. Bernhard Rummich Presales Manager PM. 9.30 10.15 Uhr
Infor PM 10 auf SAP 9.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche zu vermeiden. Sie können
MehrBessere Daten durch Stammdatenmanagement
make connections share ideas be inspired Bessere Daten durch Stammdatenmanagement Mit SAS MDM, bessere Stammdaten für operativen Systeme make connections share ideas be inspired Overview Mit SAS MDM bessere
MehrMarkttrends im Data Warehousing Bereich. Aktuelle Tendenzen und Technologien. CAS AG SPoT 2012 07. Mai 2012 Lars Iffert Analyst BARC
Markttrends im Data Warehousing Bereich Aktuelle Tendenzen und Technologien CAS AG SPoT 2012 07. Mai 2012 Lars Iffert Analyst BARC Was sind die Hauptprobleme in BI-Projekten? Top 5 Probleme beim Einsatz
MehrEMC. Data Lake Foundation
EMC Data Lake Foundation 180 Wachstum unstrukturierter Daten 75% 78% 80% 71 EB 106 EB 133 EB Weltweit gelieferte Gesamtkapazität Unstrukturierte Daten Quelle März 2014, IDC Structured vs. Unstructured
MehrInfografik 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
MehrMöglichkeiten für bestehende Systeme
Möglichkeiten für bestehende Systeme Marko Filler Bitterfeld, 27.08.2015 2015 GISA GmbH Leipziger Chaussee 191 a 06112 Halle (Saale) www.gisa.de Agenda Gegenüberstellung Data Warehouse Big Data Einsatz-
MehrBig Data Vom Hype zum Geschäftsnutzen
Big Data Vom Hype zum Geschäftsnutzen IBM IM Forum, Berlin, 16.04.2013 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Hype 15.04.2013 BARC 2013 2 1 Interesse an Big Data Nature 09-2008 Economist 03-2010
MehrLars Priebe Senior Systemberater. ORACLE Deutschland GmbH
Lars Priebe Senior Systemberater ORACLE Deutschland GmbH Data Mining als Anwendung des Data Warehouse Konzepte und Beispiele Agenda Data Warehouse Konzept und Data Mining Data Mining Prozesse Anwendungs-Beispiele
MehrBIW - 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
MehrBig, 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
MehrData. Guido Oswald Solution Architect @SAS Switzerland. make connections share ideas be inspired
make connections share ideas be inspired Data Guido Oswald Solution Architect @SAS Switzerland BIG Data.. Wer? BIG Data.. Wer? Wikipedia sagt: Als Big Data werden besonders große Datenmengen bezeichnet,
MehrBARC-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
MehrInformation Governance Ergebnisse einer Marktbefragung zum Status Quo und Trends. Dr. Wolfgang Martin Analyst
Information Governance Ergebnisse einer Marktbefragung zum Status Quo und Trends Dr. Wolfgang Martin Analyst Governance Begriffsbestimmung Governance bezeichnet die verantwortungsvolle, nachhaltige und
MehrCloud Computing Erfahrungen eines Anbieters aus der Interaktion mit seinen Kunden und der Marktentwicklung
Cloud Computing Erfahrungen eines Anbieters aus der Interaktion mit seinen Kunden und der Marktentwicklung 29.10.2013 Susan Volkmann, IBM Cloud Leader Deutschland, Österreich, Schweiz (DACH) "The Grounded
MehrBusiness Performance Management Next Generation Business Intelligence?
Business Performance Management Next Generation Business Intelligence? München, 23. Juni 2004 Jörg Narr Business Application Research Center Untersuchung von Business-Intelligence-Software am Lehrstuhl
MehrTender Manager. Sparen Sie Zeit und Kosten durch eine optimierte Erstellung Ihrer individuellen IT-Ausschreibungen
Tender Manager Sparen Sie Zeit und Kosten durch eine optimierte Erstellung Ihrer individuellen IT-Ausschreibungen Tender Manager Der plixos Tender Manager reduziert drastisch den Aufwand bei der Durchführung
MehrSOA im Zeitalter von Industrie 4.0
Neue Unterstützung von IT Prozessen Dominik Bial, Consultant OPITZ CONSULTING Deutschland GmbH Standort Essen München, 11.11.2014 OPITZ CONSULTING Deutschland GmbH 2014 Seite 1 1 Was ist IoT? OPITZ CONSULTING
MehrIDV Assessment- und Migration Factory für Banken und Versicherungen
IDV Assessment- und Migration Factory für Banken und Versicherungen Erfassung, Analyse und Migration von Excel- und AccessAnwendungen als User-Selfservice. Sind Ihre Excel- und Access- Anwendungen ein
MehrAdvanced Analytics. Michael Ridder. Copyright 2000-2014 TIBCO Software Inc.
Advanced Analytics Michael Ridder Was ist Advanced Analytics? 2 Was heißt Advanced Analytics? Advanced Analytics ist die autonome oder halbautonome Prüfung von Daten oder Inhalten mit ausgefeilten Techniken
MehrMobile BI and the Cloud
Mobile BI and the Cloud CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Mobile BI and the Cloud Evolution von Business Intelligence Cloud Computing: auf das Cloud-Modell
MehrBig Data Mythen und Fakten
Big Data Mythen und Fakten Mario Meir-Huber Research Analyst, IDC Copyright IDC. Reproduction is forbidden unless authorized. All rights reserved. About me Research Analyst @ IDC Author verschiedener IT-Fachbücher
MehrGESCHÄFTSSTELLENERÖFFNUNG 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
MehrPersönliche Einladung. Zur IT Managers Lounge am 4. November 2009 in Köln, Hotel im Wasserturm.
Persönliche Einladung. Zur IT Managers Lounge am 4. November 2009 in Köln, Hotel im Wasserturm. IT Managers Lounge präsentiert: Top-Trend Cloud Computing. Flexibilität, Dynamik und eine schnelle Reaktionsfähigkeit
MehrOUTSOURCING ADVISOR. Analyse von SW-Anwendungen und IT-Dienstleistungen auf ihre Global Sourcing Eignung. Bewertung von Dienstleistern und Standorten
Outsourcing Advisor Bewerten Sie Ihre Unternehmensanwendungen auf Global Sourcing Eignung, Wirtschaftlichkeit und wählen Sie den idealen Dienstleister aus. OUTSOURCING ADVISOR Der Outsourcing Advisor ist
MehrBI Organisation und Governance. Patrick Keller, Senior Analyst und Prokurist CeBIT 2016
BI Organisation und Governance Patrick Keller, Senior Analyst und Prokurist CeBIT 2016 15.03.2016 BARC 2016 2 Warum eine Organisation für BI? Menschen verursachen mehr Probleme als Technik! 15.03.2016
MehrVirtual Roundtable: Business Intelligence - Trends
Virtueller Roundtable Aktuelle Trends im Business Intelligence in Kooperation mit BARC und dem Institut für Business Intelligence (IBI) Teilnehmer: Prof. Dr. Rainer Bischoff Organisation: Fachbereich Wirtschaftsinformatik,
MehrINFORMATION LIFECYCLE MANAGEMENT
INFORMATION LIFECYCLE MANAGEMENT REVISIONSSICHERES LÖSCHEN UND RESTRUKTURIEREN VON DOKUMENTENSTRUKTUREN WOLFGANG EIGENBROD RAUM 1B02/03 CENIT EIM IT-TAG 13.06.2013 AGENDA 1. AUSGANGSLAGE - FAKTEN 2. INFORMATION
MehrBARC-Intensivseminar Auswahl von Enterprise-Content- Management-Lösungen. Martin Böhn
BARC-Intensivseminar Auswahl von Enterprise-Content- -Lösungen Würzburg, 07. Mai 2007 Martin Böhn Wiesenweg 31 D-97084 Würzburg +49-931-8806510 www.barc.de Seminaragenda 1 Begrüßung, und Vorstellung, Erwartungen
MehrMit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Business Driven Intelligence
Mit Excel Know-how webbasierte BI- Applikationen erstellen #MobileBI Jochen Heßler, 16.03.2015 2002 Gegründet in Freiburg, Deutschland 2002 Heute Büros in Freiburg, Frankfurt, Düsseldorf, Paris, Boston
MehrIn-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
MehrStrategie und Vision der QSC AG 23.02.2015
Strategie und Vision der QSC AG 23.02.2015 STRATEGIE UND VISION QSC wird sich zu einem führenden Anbieter von Multi-Cloud-Services entwickeln! 2 STRATEGIE DIE WICHTIGSTEN MARKTTRENDS Megatrends wie Mobilität
MehrMOBILE ON POWER MACHEN SIE IHRE ANWENDUNGEN MOBIL?!
MOBILE ON POWER MACHEN SIE IHRE ANWENDUNGEN MOBIL?! Oliver Steinhauer Sascha Köhler.mobile PROFI Mobile Business Agenda MACHEN SIE IHRE ANWENDUNGEN MOBIL?! HERAUSFORDERUNG Prozesse und Anwendungen A B
MehrHerausforderungen des Enterprise Endpoint Managements
Herausforderungen des Enterprise Endpoint Managements PPPvorlage_sxUKMvo-05.00.potx santix AG Mies-van-der-Rohe-Straße 4 80807 München www.santix.de santix AG Herausforderungen 09.10.2013 Herausforderungen
MehrDie Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link
Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Konrad Linner, solvistas GmbH Nürnberg, 20.November 2012 Inhaltsverzeichnis Vorstellung solvistas
MehrIBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen
IBM Netezza Data Warehouse Appliances - schnelle Analysen mit hohen Datenmengen Nahezu 70% aller Data Warehouse Anwendungen leiden unter Leistungseinschränkungen der unterschiedlichsten Art. - Gartner
MehrBig Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen
Big Data Plattformen für polystrukturierte Daten neue Chancen und Herausforderungen Oracle DWH-Konferenz 21. März 2012 Dr. Carsten Bange Gründer & Geschäftsführer BARC Big Data bietet Methoden und Technologien
Mehr360 - Der Weg zum gläsernen Unternehmen mit QlikView am Beispiel Einkauf
360 - Der Weg zum gläsernen Unternehmen mit QlikView am Beispiel Einkauf Von der Entstehung bis heute 1996 als EDV Beratung Saller gegründet, seit 2010 BI4U GmbH Firmensitz ist Unterschleißheim (bei München)
MehrCopyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG VISUAL ANALYTICS
HERZLICH WILLKOMMEN ZUR VERANSTALTUNG VISUAL ANALYTICS AGENDA VISUAL ANALYTICS 9:00 09:30 Das datengetriebene Unternehmen: Big Data Analytics mit SAS die digitale Transformation: Handlungsfelder für IT
MehrBig Data im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr.
Big Data im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr. Florian Johannsen AGENDA 1. Big Data Projekt der freenet Group Dr. Florian Johannsen
MehrSurvival Guide für Ihr Business Intelligence-Projekt
Survival Guide für Ihr Business Intelligence-Projekt Sven Bosinger Solution Architect BI Survival Guide für Ihr BI-Projekt 1 Agenda Was ist Business Intelligence? Leistungsumfang Prozesse Erfolgsfaktoren
MehrEIM- da kommen wir gerade her!
Ganz klar persönlich. EIM - da kommen wir gerade her! Einblicke, Tendenzen, Trends, Ansätze Warum ist EIM die Zukunft - ein Panoptikum Seite Nr. 2 das kennen Sie! Produkte Beratung Vertrieb Seite Nr. 3
MehrStrategie / Zusammenfassung
IBM Connect Comes To You Strategie / Zusammenfassung Andreas Forth, agentbase AG www.agentbase.de 1 Bitte beachten Es wurden für die Präsentation u.a. Folien der IBM verwendet. www.agentbase.de 2 Übersicht
MehrÜberblick IBM Offerings für Cloud-Provider
- IBM Cloud Computing März, 2011 Überblick IBM Offerings für Cloud-Provider Juerg P. Stoll Channel Development Executive for Cloud IMT ALPS juerg.stoll@ch.ibm.com +41 79 414 3554 1 2010 IBM
MehrDie 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_Beratung _Technologie _Outsourcing
_Beratung _Technologie _Outsourcing Das Unternehmen Unternehmensdaten n gegründet 1999 als GmbH n seit 2002 Aktiengesellschaft n 2007 Zusammenschluss mit Canaletto Internet GmbH n mehr als 2000 Kunden
MehrWINDOWS AZURE IM ÜBERBLICK GANZ NEUE MÖGLICHKEITEN
WINDOWS AZURE IM ÜBERBLICK GANZ NEUE MÖGLICHKEITEN Dr. Bernd Kiupel Azure Lead Microsoft Schweiz GmbH NEUE MÖGLICHKEITEN DURCH UNABHÄNGIGKEIT VON INFRASTRUKTUR BISHER: IT-Infrastruktur begrenzt Anwendungen
MehrProzessorientierte Applikationsund Datenintegration mit SOA
Prozessorientierte Applikationsund Datenintegration mit SOA Forum Business Integration 2008, Wiesbaden Dr. Wolfgang Martin unabhängiger Analyst und ibond Partner Business Integration 1998 2008 Agenda Business
MehrRE.one. Self Service Information Management für die Fachabteilung
RE.one Self Service Information Management für die Fachabteilung Das Ziel Verwertbare Informationen aus Daten gewinnen Unsere Vision Daten Info Data Warehousing radikal vereinfachen in einem Tool Die Aufgabe
Mehrvinsight BIG DATA Solution
vinsight BIG DATA Solution München, November 2014 BIG DATA LÖSUNG VINSIGHT Datensilos erschweren eine einheitliche Sicht auf die Daten...... und machen diese teilweise unmöglich einzelne individuelle Konnektoren,
MehrBest Practices: BI mit Open-Source-Tools
Best Practices: BI mit Open-Source-Tools Alf Hellmund - GIUA 2009 Seite 1 Agenda Einleitung Best Practices Fazit Vorstellung & Motivation Vorteile Architektur & Entwurf Datenmodellierung ETL Reporting
MehrCockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr
Cockpits und Standardreporting mit Infor PM 10 09.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche
MehrTrends in der BI. Hannover, 20. März 2017 Patrick Keller, Senior Analyst und Prokurist
Trends in der BI Hannover, 20. März 2017 Patrick Keller, Senior Analyst und Prokurist BARC: Expertise für datengetriebene Unternehmen 2 Top Trends in BI und Analytics als Chance 3 Relevante Trends vs.
MehrDigitalisierung wie aus einer Strategie Realität wird.
Digitalisierung wie aus einer Strategie Realität wird. Information Builders International Summit Frankfurt, 10.06.2015 Dr. Carsten Bange, Business Application Research Center (BARC) Knüpfen wir dort an,
MehrBusiness Intelligence Center of Excellence
Center of Excellence Eine Businessinitiative von Systematika und Kybeidos Werner Bundschuh Was ist das? In der Praxis versteht man in den meisten Fällen unter die Automatisierung des Berichtswesens (Reporting).
MehrMHP Auditmanagement Ihre Lösung für Ihr Mobile Device- Management zur Performancesteigerung!
MHP Auditmanagement Ihre Lösung für Ihr Mobile Device- Management zur Performancesteigerung! 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbh Agenda Motivation MHP Lösung
MehrJune 2015. Automic Hadoop Agent. Data Automation - Hadoop Integration
June 2015 Automic Hadoop Agent Data Automation - Hadoop Integration + Aufbau der Hadoop Anbindung + Was ist eigentlich ist MapReduce? + Welches sind die Stärken von Hadoop + Welches sind die Schwächen
MehrInformation Governance die unterschätzte Unternehmensdisziplin IBM Inside 2010, Okt. 2010
Information Governance die unterschätzte Unternehmensdisziplin IBM Inside 2010, Okt. 2010 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Information Governance Information Management
MehrMHP Audit Process Optimization Ihre Lösung für Ihr Mobile Device- Management zur Performancesteigerung!
MHP Audit Process Optimization Ihre Lösung für Ihr Mobile Device- Management zur Performancesteigerung! 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbh Agenda Motivation
MehrBusiness Intelligence. Bereit für bessere Entscheidungen
Business Intelligence Bereit für bessere Entscheidungen Business Intelligence Besserer Einblick in Geschäftsabläufe Business Intelligence ist die Integration von Strategien, Prozessen und Technologien,
MehrInterview zum Thema Management Reporting &Business Intelligence
Interview zum Thema Management Reporting &Business Intelligence Das ist ja interessant. Können Sie etwas näher beschreiben, wie ich mir das vorstellen kann? Jens Gräf: In einem Technologieunternehmen mit
MehrSQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar
SQL Server 2012 und SharePoint im Unternehmenseinsatz Referent Daniel Caesar sqlxpert Daniel Caesar Publikationen Themen SQL Server Admin, Entwicklung SharePoint Admin, Entwicklung.NET Entwicklung Rechtssichere
MehrMarketing 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
MehrWEBINAR@LUNCHTIME THEMA: "SAS STORED PROCESSES - SCHNELL GEZAUBERT" HELENE SCHMITZ
WEBINAR@LUNCHTIME THEMA: "SAS STORED PROCESSES - SCHNELL GEZAUBERT" HELENE SCHMITZ HERZLICH WILLKOMMEN BEI WEBINAR@LUNCHTIME Moderation Anne K. Bogner-Hamleh SAS Institute GmbH Education Consultant Training
MehrIn die Cloud kann jeder. In Ihre nicht. TGA Systems. Spezialisiert in Private Cloud Communication
In die Cloud kann jeder. In Ihre nicht. TGA Systems. Spezialisiert in Private Cloud Communication Qualität ist kein Zufall! Sie ist das Ergebnis sorgfältiger Planung, innovativer Technologie und Kompetenz.
MehrOracle GridControl Tuning Pack. best Open Systems Day April 2010. Unterföhring. Marco Kühn best Systeme GmbH marco.kuehn@best.de
Oracle GridControl Tuning Pack best Open Systems Day April 2010 Unterföhring Marco Kühn best Systeme GmbH marco.kuehn@best.de Agenda GridControl Overview Tuning Pack 4/26/10 Seite 2 Overview Grid Control
MehrOracle 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
MehrCopyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d. HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP
HERZLICH WILLKOMMEN ZUR VERANSTALTUNG HADOOP AGENDA HADOOP 9:00 09:15 Das datengetriebene Unternehmen: Big Data Analytics mit SAS die digitale Transformation: Handlungsfelder für IT und Fachbereiche Big
MehrSpotlight 5 Gründe für die Sicherung auf NAS-Geräten
Spotlight 5 Gründe für die Sicherung auf NAS-Geräten NovaStor Inhaltsverzeichnis Skalierbar. Von klein bis komplex.... 3 Kein jonglieren mehr mit Wechselmedien... 3 Zentralisiertes Backup... 4 Datensicherheit,
MehrMit In-Memory Technologie zu neuen Business Innovationen. Stephan Brand, VP HANA P&D, SAP AG May, 2014
Mit In-Memory Technologie zu neuen Business Innovationen Stephan Brand, VP HANA P&D, SAP AG May, 2014 SAP Medical Research Insights : Forschung und Analyse in der Onkologie SAP Sentinel : Entscheidungsunterstützung
MehrMicrosoft (Dynamics) CRM 2020: Wie verändern sich Markt, Eco-System und Anwendungsszenarien nach Cloud & Co?
Microsoft (Dynamics) CRM 2020: Wie verändern sich Markt, Eco-System und Anwendungsszenarien nach Cloud & Co? Name: Roland Pleli Funktion/Bereich: Geschäftsführung / Prod. Mgmt. Organisation: enovation
MehrMaster 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
MehrMulti-Device Applikationen aus der Swisscom Cloud. Lukas Lehmann
Multi-Device Applikationen aus der Swisscom Cloud Lukas Lehmann Agenda Welcome Swisscom Cloud -> PaaS Get ready for the Championship Use Cases Be a Champion Q&A Swiss made so beständig wie Swisscom selbst
MehrDatawarehouse 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