Data Warehouse Automatisierung und Industrialisierung Neue Wege der Agilität.
|
|
- Calvin Adler
- vor 8 Jahren
- Abrufe
Transkript
1 Data Warehouse Automatisierung und Industrialisierung Neue Wege der Agilität. Gregor Zeiler Solution Manager Business Intelligence BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 1
2 Automatisierung ist State of the Art in der industriellen Fertigung! 2
3 Industrie 4.0 Am Weg zur Smart Factory 3
4 Die IT revolutioniert die Industrie! Quelle: Siemens Jahresbericht
5 Wo steht aktuell BI/Big Data und Data Warehousing in Bezug zu den industriellen Entwicklungsstufen? Arbeitsteilige Prozesse Geringe Automatisierung 5
6 Wieso ist das so? - Thesen BI/DWH ist kein Massenprodukt jede Lösung ist sehr individuell (Losgröße 1). Die Komplexität lässt sich nicht automatisieren, es benötigt immer Handarbeit. Ein DWH ist im Gegensatz zu einem herkömmlichen Produkt niemals fertig. 6
7 BI/DWH ist kein Massenprodukt Jeder Kunde kann sein Auto in einer beliebigen Farbe lackiert bekommen, solange die Farbe, die er will schwarz ist. Henry Ford Flexibilität Starke Individualisierung (bis zur Losgröße 1) der Produkte unter den Bedingungen einer Produktivität hoch flexibilisierten Produktion. BI/DWH benötigt genau diese Flexibilität mit extrem hoher Produktivität! 7 Mechanisierung Massenfertigung Modellierung Automatisierung 3.0 Automatisierung 4.0 Vernetzung Prozessketten
8 Produktivität und Flexibilität im Data Warehousing Bauplan Maschine Werkstück Modell Metadefinition Automation von Entwicklungsaufgaben Generator Data Base Objekte Mappings Data Flow Source Data Mart DWH-Core Cleansing Staging Source Source Ein Generator kann die Produktivität stark verbessern, wenn er auch entsprechend flexibel ist! 8
9 Generator Anforderungen im Data Warehousing Generator Notwendige Eigenschaften: Metadaten getriebene Generierung Unterstützung der Zieltechnologie Zielarchitektur konfigurierbar Unterstützung von unterschiedl. Modellierungsoptionen DWH Lösung Data Mart DWH-Core Cleansing Staging Möglichkeit zur Individualisierung einzelner Generatortasks Source Source Source Diese Eigenschaften gewährleisten die erforderliche Flexibilität des Generators, um die individuellen Anforderungen einer konkreten Lösung abdecken zu können! 9
10 Wieso ist das so? - Thesen BI/DWH ist kein Massenprodukt jede Lösung ist sehr individuell (Losgröße 1). Die Komplexität lässt sich nicht automatisieren, es benötigt immer Handarbeit. Ein DWH ist im Gegensatz zu einem herkömmlichen Produkt niemals fertig. 10
11 Es ist keine Frage von Entweder Oder, sondern wie viel Automatisierung ist möglich! 11
12 Komplexität im Data Warehousing Generator Grenzen eines Generators: Ein Generator-Ansatz wird nie 100% der gewünschten Lösung automatisiert erstellen können. Der Umfang ist abhängig vom Modellierungs- und Konfigurationsvermögens des Generators (Quell-Metadaten, Mapping Definitionen, komplexe Berechnungen, spezielle Modellierungen, Lookup in andere Layer, ) Der Umfang ist abhängig von der Beeinflussbarkeit der Generatorlogik bis auf Einzel-Objektebene (z.b. Individualisierbare Generator-Templates, User Exits für manuelle Logik) 12
13 Simple versus Advanced Generator Approach Simple Generator Approach: Edit Model Data Generator Konfiguration in Black Box Generator Relativ hoher Rework-Anteil begrenzte Produktivität Rework & Deploy DWH Solution Advanced Generator Approach: Generator Konfiguration T1 T1 Point of modification so früh wie möglich Default template Indiv. template Generator processing Geringer Rework-Anteil hohe Produktivität Auf Objektbasis individualisierbare Generatorlogik 13
14 Wieso ist das so? - Thesen BI/DWH ist kein Massenprodukt jede Lösung ist sehr individuell (Losgröße 1). Die Komplexität lässt sich nicht automatisieren, es benötigt immer Handarbeit. Ein DWH ist im Gegensatz zu einem herkömmlichen Produkt niemals fertig. 14
15 Life-cycle im Data Warehousing Life-cycle Aspekte: Life-cycle einer Generation (Release) Life-cycle über alle Releases hinweg Generationen eines Modells Design Development Deploy Generationen/Releases einer DWH-Lösung Generator 15
16 Life-cycle Potential (1) im Data Warehousing Design Potential Development Potential Design Development Deploy BRE Design App Generator Hoch produktiver Entwicklungs-Prozess In der Regel sehr arbeitsteilige Prozesse vom Requirements Engineering bis zum technischen Design 16
17 Life-cycle Potential (2) im Data Warehousing Meta-DB Data Base für Modell Design Release/Version 1 Release/Version 2 Release/Version 3 Changemanagement Potential In der Regel sind Impact Analysen und Dokumentation über die einzelnen Releases sehr aufwändige Prozesse im Changemanagement Release/Version 4 Release/Version n Impact Analyse und Dokumentation basierend auf den versionierten Metadaten und lassen sich automatisch generieren. 17
18 DWH - Automatisierung ist möglich! Es benötigt aber umfassende Generator und Life-cycle Unterstützung, um mit Flexibilitätsund Komplexitäts-Anforderungen umgehen zu können. 18
19 Auswirkungen der Automatisierung auf Prozesse, Produktivität und Agilität 19
20 Auswirkungen der Automatisierung & Industrialisierung Time to Market Kosten Einsparung Einhaltung Standards Reduktion Testaufwand Produktivität Agilität Robustheit Umfassende Zeit- und Kosteneinsparungen erhöhen die Produktivität Agilität steigt durch die Möglichkeit von kurzen Release-Zyklen Die Einhaltung von Standards sichert die Ausbaubarkeit. 20
21 Auswirkungen auf BI-Prozesse Fachteam und Designteam arbeiten ohne große Arbeitsteiligkeit sehr eng zusammen und erarbeiten unmittelbar aus den Fachanforderungen das (semantische) Lösungsdesign. I1 I2 In Die Möglichkeit zu sehr kurzen Release-Zyklen führt generell zu einem stark iterativen und agilen Vorgehen. In vielen kleinen Iterationen nähert man sich dem gewünschten Ergebnis. Zusätzliches Sandboxing kann Produktiv-Systeme stabilisieren. Durch den Generator Approach liegt der Fokus eher auf den Fachanforderungen (Business Driven) als auf der technischen Umsetzung. Darum kümmert sich der Generator. 21
22 Agile Data Warehousing mit Sandbox Approach Multi Projekt & Modelling Support Projekt 1: Sandbox Agile DWH I1 I2 I3 I4 In Projekt 2: EDWH I1 I2 In Entkoppelung der Iterationen von Sandbox und EDWH zur Reduktion der Dynamik im produktiven DWH. 22
23 Version Deployment Beispiel Infrastruktur für DWH Automation RQ Bugs RQ Collection RQ Planning Issue Tracking RQ Approval Project Manager Solution Designer Source Code Verwaltung DWH Solution Link Test case to RQ RQ assign to Release Release Management (Baseline RQ) Modelling Documentation Generator Test Case Description Issue Tracking TC assign to Test Run Test Run Definition Test Run Execution Test Automation 23
24 24
25 Projektbeispiel: Kleine Regionalbank Projekt-Case: Pilotanwendung für eine neue DWH-Lösung. Auswertung der Calls im Direkt-Sales Service für Vertriebssteuerungszwecke. Modellierungs-Approach Kombination Business-Driven und Source-Driven. Durch konkrete Vorgaben wenige Iterationen notwendig. Mengengerüst (Pilot): ca modellierte Objekte, 1 Quellsysteme ca. 60 generierte DB/Datenfluss Objekte ca. 3 generierte Iterationen in 1 Monaten DLZ 8-10 PT Einsparung 2-4 PT Einsparung 25
26 Projektbeispiel: Energieversorger (Netzbetrieb) Projekt-Case: Gesetzliche Anforderungen erfordern zusätzliche Auswertungsmöglichkeiten basierend auf Sensordaten mit sehr hohen Ansprüchen auf Aktualität der Daten im DWH (wenige Minuten Latenzzeit). Sehr große Datenmengen mit sehr vielen verschiedenen Anlieferschnittstellen. Mengengerüst (Phase 1): ca. 15 modellierte Objekte, Schnittstellen, 100 Mio - 2,2 Mrd Datensätze/Tag ca. 150 generierte DB/Datenfluss Objekte (exkl. SS) PT Einsparung ca. 20 generierte Iterationen in 3 Monaten DLZ PT Einsparung 26
27 Projektbeispiel: Transportation Projekt-Case: Die Einführung eines neuen operativen Systems mit gänzlich neuer Quelldatenstruktur hat eine Neuentwicklung des DWH notwendig gemacht. Alle weiteren Datenquellen wurden wieder eingebunden. Starker Source-Driven Approach, mit vielen Iterationsschritten Mengengerüst (Phase 1): ca. 150 modellierte Objekte, 12 Quellsysteme, über 300 Quelltabellen ca generierte DB/Datenfluss Objekte PT Einsparung ca. 75 generierte Iterationen in 6 Monaten DLZ PT Einsparung 27
28 Projektbeispiel: Internationaler Finanzdienstleister Projekt-Case: Konzernstruktur deckt mehrere Bereiche im Finanzdienstleistungssektor ab. Starke Einzelbereiche mit geografisch verteilten Strukturen. Ziel ist verteilte dezentrale DWH Strukturen mit einer konsolidierten zentralen DWH Einheit zu verbinden. Die einzelnen Bereiche werden teilweise mit unterschiedlichen Technologien umgesetzt. Mengengerüst (ein dezentraler Bereich): ca. 200 modellierte Objekte, Quellsysteme ca generierte DB/Datenfluss Objekte ca. 90 generierte Iterationen in 8-10 Monaten DLZ PT Einsparung PT Einsparung Gesamtpotential ca. 3-4 fache des obigen Bereiches. 28
29 DWH ist old fashioned die Zukunft ist Big Data Ein Ausblick auf die Zukunft der DWH-Automatisierung 29
30 Technik Trends auf Big Data Herausforderungen MPP In- Memory Hadoop VOLUME (Size) VELOCITY (Speed) VARIETY (Structure) 30
31 Wir setzen an vielen Stellen auf die Kombination aus verschiedenen Welten! 31
32 Connectors Loaders Metadata Connectors Loaders DWH Enhancement Strategien mit Big Data - Hybrid BI Tools Adv. Analytical Tools Web Applications Tools Data Warehouse Other FS NoSQL DBs Programming (S)QL Engines Map Reduce Direct HDFS access HDFS (incl. various file formats) Hadoop & Co (Big Data Cluster) OLTP Images Text Data Sources 32
33 SQL*Net HCatalog Scenario 1 Technology Example Product Trend Analysis Sample scenario Process runs on Infrastructure BI tool connects to DWH, Hive & Impala via ODBC and SQL*Net CSV structures defined with HCatalog and used by Hive Impala table definitions bound to Hive CSV structures Oracle BI Answers ODBC Tools Hive query runs M/R against CSV Impala s InMemory SQL Engine caches CSV file content DWH data accessed directly via SQL*Net Java Hive Map Reduce Impala Direct access Hadoop & Co (Big Data Cluster) Logs loaded via scoop as csv files on a daily base Talend job reads SM data from REST stream and loads into HDFS Java M/R job aggregates and matches SM data & region/classification HDFS with csv Load (Talend, Scoop, ) BI tool joins hadoop based rating with DWH based classification and revenue data to identify and compare external and internal trends DWH Weblogs Social Media Data Sources 33
34 ODBC, JDBC, DB Link, ETL Metadata HDFS API, JDBC, ODBC Scenario 2 Technology Example Account Transaction inquiry Sample scenario Process runs on Infrastructure Most current OLTP Tx data loaded to DWH via ETL tool Related documents transfered to HDFS for web access BI Tools Web Applications SQL*Net, ODBC, JDBC Tools Old Tx Data exported to HBase and/or HDFS CVS files Additionally added Big Data JDBC connect to BI Tool and Web Application Old Tx data tied to DWH via Hive and Impala via ODBC based DB Link HDFS API Access to documents for Web Applicatio HDFS (incl. various file formats) DWH Big Data Connectors, JDBC, ODBC, DB Link, Scoop Programming HBase Map Reduce Hive, Impala Direct HDFS Hadoop & Co (Big Data Cluster) JDBC access for BI Tool to Big Data system and DWH HDFS & DWH Access for Web Application OLTP Scoop, Java, Images Text Sources 34
35 Die Zukunft der DWH-Automatisierung! Die Komplexität steigt mit hybriden Architekturen. Der grundsätzliche Bedarf agil mit sehr hoher Produktivität auf dynamische Anforderungen zu reagieren wird weiter stark steigen. Generatoren müssen neue Technologien und Architekturen bedienen können. DWH-Automatisierung benötigt einen neuen Namen. 35
36 Vielen Dank... Gregor Zeiler Solution Manager Business Intelligence BASEL BERN BRUGG LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 36
Das generierte Data Warehouse
Das generierte Data Warehouse DOAG BI Konferenz 2012 Gregor Zeiler BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 1 Erwartungshaltungen und Hoffnungen
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
Mehr90 Prozent der heute weltweit vorhandenen Daten wurden dabei erst in den letzten zwei Jahren generiert.
QualysoftGruppe Jeden Tag werden 2,5 Trillionen Byte an Daten erstellt. 90 Prozent der heute weltweit vorhandenen Daten wurden dabei erst in den letzten zwei Jahren generiert. Diese Daten stammen aus
MehrSAP NetWeaver Gateway. Connectivity@SNAP 2013
SAP NetWeaver Gateway Connectivity@SNAP 2013 Neue Wege im Unternehmen Neue Geräte und Usererfahrungen Technische Innovationen in Unternehmen Wachsende Gemeinschaft an Entwicklern Ausdehnung der Geschäftsdaten
MehrZeitlich abhängig von OWB?
Zeitlich abhängig von OWB? 24. April 2007 Beat Flühmann Trivadis AG > IT Lösungsanbieter» Application Development, Application Performance Management, Business Communication, Business Intelligence, Managed
MehrSocial Media Monitoring Was wird über Sie und Ihre Wettbewerber gesagt?
Social Media Monitoring Was wird über Sie und Ihre Wettbewerber gesagt? Donnerstag, 31. Mai 2012 Toocan GmbH Tobias Görgen Inhaber & Geschäftsführer Social Media Monitoring & Management Gegründet 2010
MehrIntegration mit. Wie AristaFlow Sie in Ihrem Unternehmen unterstützen kann, zeigen wir Ihnen am nachfolgenden Beispiel einer Support-Anfrage.
Integration mit Die Integration der AristaFlow Business Process Management Suite (BPM) mit dem Enterprise Information Management System FILERO (EIMS) bildet die optimale Basis für flexible Optimierung
MehrTaking RM Agile. Erfahrungen aus dem Übergang von traditioneller Entwicklung zu Scrum
Taking RM Agile CLICK TO EDIT MASTER OPTION 1 Erfahrungen aus dem Übergang von traditioneller Entwicklung zu Scrum Click to edit Master subtitle style Christian Christophoridis Requirements Management
MehrMetaNavigation der effizienteste Weg maximalen Mehrwert aus BI Metadaten zu ziehen
MetaNavigation der effizienteste Weg maximalen Mehrwert aus BI Metadaten zu ziehen Pasquale Grippo Senior Manager/Business Unit Manager BI 18/20.10.2011 Oracle Business Analytics Summits Düsseldorf/München
MehrHadoop Demo HDFS, Pig & Hive in Action. Oracle DWH Konferenz 2014 Carsten Herbe
Hadoop Demo HDFS, Pig & Hive in Action Oracle DWH Konferenz 2014 Carsten Herbe Wir wollen eine semi-strukturierte Textdatei in Hadoop verarbeiten und so aufbereiten, dass man die Daten relational speichern
MehrBusiness Application Framework für SharePoint Der Kern aller PSC-Lösungen
Business Application Framework für SharePoint Der Kern aller PSC-Lösungen Überblick pscbaf Dieses Dokument liefert die Antworten auf folgende Fragen: Was ist das Portal Systems Business Application Framework
MehrWas 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
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
MehrAlbert HAYR Linux, IT and Open Source Expert and Solution Architect. Open Source professionell einsetzen
Open Source professionell einsetzen 1 Mein Background Ich bin überzeugt von Open Source. Ich verwende fast nur Open Source privat und beruflich. Ich arbeite seit mehr als 10 Jahren mit Linux und Open Source.
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
MehrTitel BOAKdurch Klicken hinzufügen
Titel BOAKdurch Klicken hinzufügen Business Objects Arbeitskreis 2015 Aufbau einer BI-Strategie Referent Stefan Weber, ZIS Verkehrsbetriebe Zürich 15.09.2015 Hotel UTO KULM Thema Um was geht es! C1: Aufbau
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
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
MehrDer Cloud Point of Purchase. EuroCloud Conference, 18. Mai 2011 (Christoph Streit, CTO & Co-Founder ScaleUp)"
Der Cloud Point of Purchase EuroCloud Conference, 18. Mai 2011 (Christoph Streit, CTO & Co-Founder ScaleUp)" Wer ist ScaleUp Hintergrund Cloud Provider ScaleUp ist ein Spin-Out des 12- Jahre alten MSPs
MehrBeratung. Results, no Excuses. Consulting. Lösungen. Grown from Experience. Ventum Consulting. SQL auf Hadoop Oliver Gehlert. 2014 Ventum Consulting
Beratung Results, no Excuses. Consulting Lösungen Grown from Experience. Ventum Consulting SQL auf Hadoop Oliver Gehlert 1 Ventum Consulting Daten und Fakten Results, no excuses Fachwissen Branchenkenntnis
MehrAgile Software-Entwicklung im Kontext der EN50128 Wege zum Erfolg
Herzlich willkommen Agile Software-Entwicklung im Kontext der EN50128 Wege zum Erfolg Heike Bickert Software-/Systemingenieurin, Bereich Quality Management Braunschweig // 17.11.2015 1 Agenda ICS AG Fragestellungen
MehrErfolgreiche Realisierung von grossen Softwareprojekten
Software Engineering Erfolgreiche Realisierung von grossen Softwareprojekten Requirements Management Fachhochschule Lübeck, 7. Dezember 2001 Thomas Dahlmanns dahlmanns@pixelpark.com (040) 43203 26 >> 1
Mehr1Ralph Schock RM NEO REPORTING
1Ralph Schock RM NEO REPORTING Bereit für den Erfolg Business Intelligence Lösungen Bessere Entscheidungen Wir wollen alle Mitarbeiter in die Lage versetzen, bessere Entscheidungen schneller zu treffen
MehrDaten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1
Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1 2.800.000.000.000.000.000.000 Bytes Daten im Jahr 2012* * Wenn jedes Byte einem Buchstaben entspricht und wir 1000 Buchstaben auf
MehrTFS Customzing. in der Praxis. Thomas Gugler. seit 2005 bei ANECON. .NET seit 2002 (happy bday!) Schwerpunkte: MCPD.Net 4.0, MCTS TFS, Scrum Master,
TFS Customzing in der Praxis Thomas Gugler ANECON Software Design und Beratung G.m.b.H. Alser Str. 4/Hof 1 A-1090 Wien Tel.: +43 1 409 58 90 www.anecon.com office@anecon.com Thomas Gugler seit 2005 bei
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
MehrDie Oracle BI Trilogie von Trivadis
Die Oracle BI Trilogie von Trivadis Teil 2 - Aufbau einer DWH- und BI-Landschaft Zürich, 25. November 2009 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg München Stuttgart
MehrInnovation gestalten - von ABAP zur SAP HANA Cloud Platform
Innovation gestalten - von ABAP zur SAP HANA Cloud Platform Lars Erdmann, Leiter Technologie und Innovation SAP Forum 2014, Basel, 21. Mai 2014 www.q-perior.com Agenda 1. Ein Blick auf die Welt, wie wir
MehrKommunikationsübersicht XIMA FORMCYCLE Inhaltsverzeichnis
Kommunikationsübersicht Inhaltsverzeichnis Kommunikation bei Einsatz eines MasterServer... 2 Installation im... 2 Installation in der... 3 Kommunikation bei Einsatz eines MasterServer und FrontendServer...
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
MehrKonfiguration VLAN's. Konfiguration VLAN's IACBOX.COM. Version 2.0.1 Deutsch 01.07.2014
Konfiguration VLAN's Version 2.0.1 Deutsch 01.07.2014 In diesem HOWTO wird die Konfiguration der VLAN's für das Surf-LAN der IAC-BOX beschrieben. Konfiguration VLAN's TITEL Inhaltsverzeichnis Inhaltsverzeichnis...
MehrWorum geht es in diesem Projekt?
Worum geht es in diesem Projekt? In dem Aktuellen SocialMedia Umfeld wird es immer schwieriger der Informationsflut und Schnittstellen Basis Herr zu werden und alle Schnittstellenprozesse im Überblick
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.
MehrConigma CCM (3G) - Überblick -
Conigma CCM (3G) - Überblick - Evolutionsstufen des Software Entwicklungsprozesses Evolutionsstufen Software Factory Software Factory Release Entwicklung in Verbindung mit einer Taktung der Aktivitäten
MehrSoftware Engineering. Zur Architektur der Applikation Data Repository. Franz-Josef Elmer, Universität Basel, HS 2015
Software Engineering Zur Architektur der Applikation Data Repository Franz-Josef Elmer, Universität Basel, HS 2015 Software Engineering: Mit acht bewährten Praktiken zu gutem Code 2 Schichtarchitektur
MehrO-BIEE Einführung mit Beispielen aus der Praxis
O-BIEE Einführung mit Beispielen aus der Praxis Stefan Hess Business Intelligence Trivadis GmbH, Stuttgart 2. Dezember 2008 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg
MehrEin subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen
Ein subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen vorgestellt am 29.09.2008 in der PASS Regionalgruppe Karlsruhe Michael Riedmüller inovex GmbH Project
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
MehrSwiss Networking Day 2014
Swiss Networking Day 2014 Industrialization of IT: Optimal OPEX Reduction Marco Bollhalder, CEO ITRIS Enterprise AG Hochschule Luzern 8. Mai 2014 Agenda Industrialization of IT: OPEX Reduction Was bedeutet
MehrOERA OpenEdge Reference Architecture. Mike Fechner PUG Infotag 19. Mai 05 Frankfurt
OERA OpenEdge Reference Architecture Mike Fechner PUG Infotag 19. Mai 05 Frankfurt Überblick OERA Separated presentation and integration layers Common business logic with advanced models Data access abstracted
MehrHilfe, ich verstehe meine APEX Seite nicht mehr! DOAG Development Konferenz, Düsseldorf
Hilfe, ich verstehe meine APEX Seite nicht mehr! DOAG Development Konferenz, Düsseldorf Niels de Bruijn, Fachbereichsleiter APEX Ratingen, 04.06.2014 MT AG GESCHÄFTSFORM HAUPTSITZ INHABERGEFÜHRTE AG RATINGEN
MehrTHE KNOWLEDGE PEOPLE. CompanyFlyer.indd 1 07.03.2016 11:48:05
THE KNOWLEDGE PEOPLE CompanyFlyer.indd 1 07.03.2016 11:48:05 BE SMART IT-CONSULTING Smartes IT-Consulting für die Zukunft: Agilität, Dynamische IT, Komplexitätsreduzierung, Cloud, Industrie 4.0, Big Data
Mehrarlanis Software AG SOA Architektonische und technische Grundlagen Andreas Holubek
arlanis Software AG SOA Architektonische und technische Grundlagen Andreas Holubek Speaker Andreas Holubek VP Engineering andreas.holubek@arlanis.com arlanis Software AG, D-14467 Potsdam 2009, arlanis
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrArchitekturen. Von der DB basierten zur Multi-Tier Anwendung. DB/CRM (C) J.M.Joller 2002 131
Architekturen Von der DB basierten zur Multi-Tier Anwendung DB/CRM (C) J.M.Joller 2002 131 Lernziele Sie kennen Design und Architektur Patterns, welche beim Datenbankzugriff in verteilten Systemen verwendet
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
MehrRequirements Engineering für IT Systeme
Requirements Engineering für IT Systeme Warum Systemanforderungen mit Unternehmenszielen anfangen Holger Dexel Webinar, 24.06.2013 Agenda Anforderungsdefinitionen Von der Herausforderung zur Lösung - ein
MehrErfahrungsbreicht... Von der Auswahl bis zur Verwendung von Contour im Grossunternehmen.
Stefan Topp Honeywell International SARL 16. Februar 2012 Erfahrungsbreicht... Von der Auswahl bis zur Verwendung von Contour im Grossunternehmen. 1 Agenda Hintergruende Der Auswahlprozess Ausrollen von
MehrMEHRWERK. Einheitliche Kundenkommunikation
MEHRWERK Einheitliche Kundenkommunikation Alle Prozesse und Daten aus bestehenden Systemen werden im richtigen Kontext für relevante Geschäftsdokumente eingesetzt. Flexible Geschäftsprozesse Änderungszyklen
MehrGraphen in Apex von Thomas Hernando. www.syntegris.de
Graphen in Apex von Thomas Hernando www.syntegris.de Einleitung FIRMENINFOS Gründung im Jahre 2000 mit Sitz in Neu-Isenburg bei Frankfurt am Main Mehr als 30 Berater Oracle Gold Partner Schwerpunkte liegen
MehrWir erledigen alles sofort. Warum Qualität, Risikomanagement, Gebrauchstauglichkeit und Dokumentation nach jeder Iteration fertig sind.
Wir erledigen alles sofort Warum Qualität, Risikomanagement, Gebrauchstauglichkeit und Dokumentation nach jeder Iteration fertig sind. agilecoach.de Marc Bless Agiler Coach agilecoach.de Frage Wer hat
MehrAgile Software Verteilung
Agile Software Verteilung Vortrag: René Steg Steg IT-Engineering, Zürich (Schweiz) Gründe für Agile Software-Verteilung Wenn Sie Hunderte von Servern mit vielen Anwendungen betreiben Verteilte Anwendungen
MehrIT-Service-Management- Bauplan für die IT-Fabrik
Ulrich Pöhler Business Development Manager IT-Service-Management- Bauplan für die IT-Fabrik Von der Altstadt zur modernen IT-Fabrik mit frischer Denke zur industriellen Produktion Die Architektur und Bauplanung
Mehr07. November, Zürich-Oerlikon
07. November, Zürich-Oerlikon Individuelles Vorgehensmodell mit dem TFS als Schlüssel zum Erfolg Arpagaus Patrick Bereichsleiter AKROS AG Stricker Mark Software Architekt AKROS AG Agenda Einleitung AKROS
MehrNext Generation CMS. API zu ihrem Content
Next Generation CMS API zu ihrem Content Ing. Clemens Prerovsky, MSc Gentics Software GmbH Gentics - wer wir sind Österreichischer Content Management und Portalsoftware Hersteller 150 Kunden 70.000 Benutzer
MehrZUM HANDELN GESCHAFFEN. Stationärer Handel / Multi Channel
ZUM HANDELN GESCHAFFEN. Stationärer Handel / Multi Channel Von der Kunst immer schneller, immer mehr Informationen bereit zu stellen und dabei unterschiedliche Kanäle zu bedienen Dusso / Höhne 2013 METRO
MehrKassel, 20. März 2013. FALSCHE RICHTUNG? Daten aus dem DWH in einen Key-Value-Store für ein OLTP System
Kassel, 20. März 2013 FALSCHE RICHTUNG? Daten aus dem DWH in einen Key-Value-Store für ein OLTP System INHALT A. Ausgangssituation B. Aktuelle Lösung C. Neuer Ansatz mit Oracle NoSQL Database D. Aussicht
Mehrzum IT- und Business Service Management
Mit ITIL von IT-Leistungen über IT-s hin zum IT- und Business Kunde: DOAG ITIL DAY Ort: Stuttgart Datum: 03.06.2008 Christian Wischki, Trivadis AG christian.wischki@trivadis.com Basel Baden Bern Lausanne
MehrService. Was ist eine Enterprise Service Architecture und wie reagiert SAP. Warum Monitoring in ZENOS, was monitort die XI?
Service Was ist eine Enterprise Service Architecture und wie reagiert SAP Allgemeine Definition Was gehört in ZENOS (Service-Layer)? Business Logik ZENOS als Provider für SAP-based Services (ESA/SOA) Warum
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
MehrLeistungsstarke Enterprise Apps. Für Menschen erdacht. Für Veränderungen entwickelt.
Plattform, Apps und App-Entwicklung Onit Apps für Ihr Unternehmen App [ap] Nomen Computer, informell 1. Anwendung (in der Regel ein kleines spezialisiertes Programm), die auf Mobilgeräte heruntergeladen
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
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
MehrOpen Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar. 24. September 2009
Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar 24. September 2009 Unternehmensdarstellung Burda Digital Systems ist eine eigenständige und
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,
MehrAutomatisiertes End-to-end Testen von Enterprise Applikationen
Automatisiertes End-to-end Testen von Bernhard Trummer bernhard.trummer@gmx.at 9. April 2011 Automatisiertes End-to-end Testen von Überblick Automatisiertes End-to-end Testen von Über mich Überblick TU
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
MehrSERVICE SUCHE ZUR UNTERSTÜTZUNG
SERVICE SUCHE ZUR UNTERSTÜTZUNG VON ANFORDERUNGSERMITTLUNG IM ERP BEREICH MARKUS NÖBAUER NORBERT SEYFF ERP SYSTEME Begriffsbestimmung: Enterprise Resource Planning / Business Management Solution Integrierte
MehrNeue Strategien und Innovationen im Umfeld von Kundenprozessen
Neue Strategien und Innovationen im Umfeld von Kundenprozessen BPM Forum 2011 Daniel Liebhart, Dozent für Informatik an der Hochschule für Technik Zürich, Solution Manager, Trivadis AG Agenda Einleitung:
Mehrvisionapp Server Management 2008 R2 SP1
visionapp Server Management 2008 R2 SP1 visionapp Multi Hotfix Installer Produktdokumentation Inhalt 1 Einleitung... 1 2 Unterstütze Varianten... 1 3 Verwendung... 1 4 Optionale Funktionen und Konfigurationsmöglichkeiten...
MehrSuche schlecht beschriftete Bilder mit Eigenen Abfragen
Suche schlecht beschriftete Bilder mit Eigenen Abfragen Ist die Bilderdatenbank über einen längeren Zeitraum in Benutzung, so steigt die Wahrscheinlichkeit für schlecht beschriftete Bilder 1. Insbesondere
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)
MehrAgenda. TERRA CLOUD GmbH Zahlen, Daten, Fakten Private & Hybrid Cloud Szenarien Public Cloud Szenarien Lessons Learned
Agenda TERRA CLOUD GmbH Zahlen, Daten, Fakten Private & Hybrid Cloud Szenarien Public Cloud Szenarien Lessons Learned Geografisches Das Angebot Private & Hybrid Cloud Szenarien TERRA CLOUD Portal Privates
Mehr«PERFEKTION IST NICHT DANN ERREICHT, WENN ES NICHTS MEHR HINZUZUFÜGEN GIBT, SONDERN DANN, WENN MAN NICHTS MEHR WEGLASSEN KANN.»
«PERFEKTION IST NICHT DANN ERREICHT, WENN ES NICHTS MEHR HINZUZUFÜGEN GIBT, SONDERN DANN, WENN MAN NICHTS MEHR WEGLASSEN KANN.» www.pse-solutions.ch ANTOINE DE SAINT-EXUPÉRY 1 PROJECT SYSTEM ENGINEERING
MehrRelease Automation für Siebel
June 30 th 2015 Release Automation für Siebel Stefan Kures Agenda + Herausforderungen + Lösung mit Automic + Vorteile + Resultate 3 Property of Automic Software. All rights reserved Siebel als zentrale
Mehrpaluno Software & CPS Matthias Book Innovationsworkshop Horizon 2020 ICT 23.01.2014
Impulse aus dem CPS-Netzwerk NRW Software & CPS Matthias Book Innovationsworkshop Horizon 2020 ICT 23.01.2014 Cyber Physical NRW Überblick: Software-technische Herausforderungen Cyber Physical Systems
MehrEinreichung zum Call for Papers
Internet: www.aitag.com Email: info@aitag.com Einreichung zum Call for Papers Kontaktinformationen Sven Hubert AIT AG Leitzstr. 45 70469 Stuttgart Deutschland http://www.aitag.com bzw. http://tfsblog.de
MehrWarum sich das Management nicht für agile Softwareentwicklung interessieren sollte - aber für Agilität
Warum sich das Management nicht für agile Softwareentwicklung interessieren sollte - aber für Agilität Marcus Winteroll oose GmbH Agenda I. Ziele und Zusammenarbeit II. Was wir vom agilen Vorgehen lernen
MehrOracle Warehouse Builder 3i
Betrifft Autoren Art der Info Oracle Warehouse Builder 3i Dani Schnider (daniel.schnider@trivadis.com) Thomas Kriemler (thomas.kriemler@trivadis.com) Technische Info Quelle Aus dem Trivadis Technologie
MehrSMART Newsletter Education Solutions April 2015
SMART Education Newsletter April 2015 SMART Newsletter Education Solutions April 2015 Herzlich Willkommen zur aktuellen Ausgabe des Westcon & SMART Newsletters jeden Monat stellen wir Ihnen die neuesten
MehrGenerative Prozessmodelle Patrick Otto MDD Konferenz 22.03.2009
Generative Prozessmodelle Patrick Otto MDD Konferenz 22.03.2009 Gliederung 1. Generative Programmierung 2. Möglichkeiten und Einsatzgebiet 3. Prozess / Tools 4. Zusammenfassung 19.03.2009 GENERATIVE PROGRAMMIERUNG
MehrAGILE APPLICATION LIFECYCLE MANAGEMENT IM ATLASSIAN ECOSYSTEM
AGILE APPLICATION LIFECYCLE MANAGEMENT IM ATLASSIAN ECOSYSTEM 09.07.2015 NATALIE WENZ JAN GERTGENS Vorstellung Natalie Wenz Studium Medieninformatik an der Hochschule Reutlingen mit Abschluss als Master
MehrSoftware EMEA Performance Tour 2013. Berlin, Germany 17-19 June
Software EMEA Performance Tour 2013 Berlin, Germany 17-19 June Change & Config Management in der Praxis Daniel Barbi, Solution Architect 18.06.2013 Einführung Einführung Wer bin ich? Daniel Barbi Seit
MehrVgl. Kapitel 5 aus Systematisches Requirements Engineering, Christoph Ebert https://www.sws.bfh.ch/studium/cas/swe-fs13/protected/re/re_buch.
Vgl. Kapitel 5 aus Systematisches Requirements Engineering, Christoph Ebert https://www.sws.bfh.ch/studium/cas/swe-fs13/protected/re/re_buch.pdf 2 Nach derbefragung aller Stakeholder und der Dokumentation
MehrDWH Szenarien. www.syntegris.de
DWH Szenarien www.syntegris.de Übersicht Syntegris Unser Synhaus. Alles unter einem Dach! Übersicht Data-Warehouse und BI Projekte und Kompetenzen für skalierbare BI-Systeme. Vom Reporting auf operativen
MehrWir beraten Sie. Wir unterstützen Sie. Wir schaffen Lösungen. Wir bringen Qualität. Wir beraten Sie. Wir unterstützen Sie. Wir schaffen Lösungen
Was bedeutet es, ein Redaktionssystem einzuführen? Vorgehensmodell für die Einführung eines Redaktionssystems Die Bedeutung Fast alle Arbeitsabläufe in der Abteilung werden sich verändern Die inhaltliche
MehrTTS - TinyTimeSystem. Unterrichtsprojekt BIBI
TTS - TinyTimeSystem Unterrichtsprojekt BIBI Mathias Metzler, Philipp Winder, Viktor Sohm 28.01.2008 TinyTimeSystem Inhaltsverzeichnis Problemstellung... 2 Lösungsvorschlag... 2 Punkte die unser Tool erfüllen
MehrBig Data Projekte richtig managen!
Big Data Projekte richtig managen! Stuttgart, Oktober 2014 Praktische Herausforderungen eines Big Data Projektes Definition: Was ist Big Data? Big data is a collection of data sets so large and comple
MehrUnsere Produkte. Wir automatisieren Ihren Waren- und Informationsfluss. Wir unterstützen Ihren Verkaufsaußendienst.
Die clevere Auftragserfassung Unsere Produkte Das smarte Lagerverwaltungssystem Die Warenwirtschaft für den Handel Wir unterstützen Ihren Verkaufsaußendienst. Wir automatisieren Ihren Waren- und Informationsfluss.
MehrRessourcenmanagement in Forschung und Entwicklung Grünenthal integriert SAS in sein Berechtigungs- und Mandantenkonzept 7.
Ressourcenmanagement in Forschung und Entwicklung Grünenthal integriert SAS in sein Berechtigungs- und Mandantenkonzept 7. Nov 2012 Seite 1 Unternehmensprofil IT-Spezialist für Business Intelligence und
MehrProzessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements. von Stephanie Wilke am 14.08.08
Prozessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements von Stephanie Wilke am 14.08.08 Überblick Einleitung Was ist ITIL? Gegenüberstellung der Prozesse Neuer
MehrDigital Insights Industrie 4.0. Bundesverband Digitale Wirtschaft (BVDW) e.v.
Digital Insights Industrie 4.0 Bundesverband Digitale Wirtschaft (BVDW) e.v. Prognostizierte Auswirkungen der Industrie 4.0 auf die deutsche Wirtschaft im Allgemeinen Die internationale Wettbewerbsfähigkeit
MehrNCDiff Testmanagement leicht gemacht
Testmanagement leicht gemacht Nagler & Company Thomas Gebhard & Anton Garra Complexity Die stetige Anpassung an neue Anforderungen der IT und das Bestreben Marktgegebenheiten zu folgen oder voraus zu sein,
MehrUNTERNEHMENSPRÄSENTATION UBIRY GmbH. Business Development & Innovation Brokering
UNTERNEHMENSPRÄSENTATION UBIRY GmbH Business Development & Innovation Brokering Nichts auf der Welt ist so mächtig wie eine Idee, deren Zeit gekommen ist. Victor Hugo WAS WIR IHNEN BIETEN UBIRY unterstützt
MehrLIVE/11 - WEBSPECIAL. Andreas Förthner - Clemens Kalb
LIVE/11 - WEBSPECIAL Andreas Förthner - Clemens Kalb 1 IHRE REFERENTEN! Clemens Kalb! Leiter netlogix Media! Spezialist für Online-Marketing und ecommerce! Google AdWords Certified Professional @cjckalb
MehrErfahrungsbericht Agile Entwicklung einer BI Anwendung für das Meldewesen
Erfahrungsbericht Agile Entwicklung einer BI Anwendung für das Meldewesen Thomas Löchte Geschäftsführer Informationsfabrik GmbH Wir produzieren INFORMATION. Konzeption und Architektur Implementierung [ETL,
MehrDatensicherung und Wiederherstellung
Dokumentation Datensicherung und Wiederherstellung Versionsverzeichnis Version: Datum: Revisionsgrund: Version 1.0 Januar 2011 Erste Ausgabe www.babe-informatik.ch 1/7 Datensicherung von Voraussetzung
MehrSOCIAL ADS SPRECHEN SIE IHRE ZIELGRUPPE AUF FACEBOOK AN. WERDEN SIE ZUM MULTICHANNEL MARKETER.
SOCIAL ADS SPRECHEN SIE IHRE ZIELGRUPPE AUF FACEBOOK AN. WERDEN SIE ZUM MULTICHANNEL MARKETER. SOCIAL ADS Sprechen Sie Ihre Zielgruppe auf Facebook an. Werden Sie zum Multichannel Marketer. Social Ads
Mehr