The integration of business intelligence and knowledge management
|
|
- Bärbel Berg
- vor 8 Jahren
- Abrufe
Transkript
1 Universität Konstanz WS 2006/2007 Fachbereich Informatik und Informationswissenschaft Hausarbeit The integration of business intelligence and knowledge management Seminar: Dozent: Vorgelegt von: Business Intelligence: from Reporting to Analytics Prof. Dr. Marc H. Scholl, Prof. Dr. Harald Reiterer, Svetlana Mansmann Ketevan Karbelashvili 1
2 Inhaltsverzeichnis 1 Knowledge-Management (KM) Knowledge Management - Know-how für Ihr Wissen Business Intelligence and Knowledge Management BI-Lösungen BI-Werkzeuge Operational Data Store (ODS) Data Warehouse Online Analytical Processing (OLAP) Data Mining Hintergrund und Motivation für BIKM Wichtigkeit der BIKM Verkaufseffektivität Customer Relationship Management Umfeldbedingte Probleme eclassifier Dokumentrepräsentation Taxonomy Generation Taxonomy Evaluation Category Evaluation Taxonomy Visualisierung Classifikation Analysis and Reporting Das Integration Paradigma Star Schema Data Model Erforschung der Daten und in Verbindung stehenden Dokumenten Integrierte BIKM Werkzeuge (Sapient u. eclassifier) Dokument Warehouse Shared Dimensions Dynamic Dimensions Künftige Forschungen Fazit...14 Literaturverzeichnis
3 1 Knowledge-Management (KM) "Das Kapital liegt im Wissen der Mitarbeiter" Knowledge Management - Know-how für Ihr Wissen In einer wettbewerbsorientierten Wirtschaft ist Wissen Voraussetzung des Überlebens. Wer nichts weiß, hat praktisch schon verloren. Gefährdet sind aber auch jene Unternehmen, die nicht mehr wissen, was sie alles wissen. Und das sind sehr viele. Die Kenntnisse, Ideen und Fähigkeiten der eigenen Mitarbeiter sind Unternehmen oftmals gar nicht bekannt. So werden nicht selten Probleme und Aufgaben, die früher bereits an anderer Stelle im Unternehmen erfolgreich gelöst bzw. bearbeitet wurden, immer wieder aufs Neue angegangen. Informationen und Know-how haben keinerlei Wert, wenn sie nicht dem richtigen Mitarbeiter in der richtigen Situation verfügbar sind. Leider ist es heute immer noch so, dass in vielen Firmen zwar viele Daten im operativen Geschäft entstehen, werden aber in den einzelnen Bereichen und Abteilungen gespeichert. Dadurch sind sie für andere Abteilungen oder unternehmensübergreifend nicht oder nur schwer nutzbar. Ein weiteres Problem stellt die Tatsache dar, dass viele Daten aufgrund der Art und Weise, wie sie derzeit gespeichert werden, zum Teil nur schwer analysierbar sind, und weil in dem Unternehmen vorhandenes Wissen meistens sehr stark zunimmt, stehen viele Unternehmen ohne eine KM-Strategie vor dem so genannten Wissenskollaps. 2 2 Business Intelligence and Knowledge Management Damit Wissen optimal genutzt, verwertet und auch weitergegeben werden kann, bedarf es Konventionen und Methoden, die eben dieses garantieren. Diese Konventionen und Methoden werden in einer Disziplin zusammengefaßt, die Knowledge Management, kurz KM genannt wird. 3 Knowledge Management im Allgemeinen zielt darauf ab, implizites Wissen in explizites Wissen zu verwandeln, welches den Mitarbeitern zur Verfügung gestellt und zugänglich gemacht werden kann und Business Intelligence (BI) ist ein Gesamtansatz, der Konzepte, Methoden und Werkzeuge hierfür zur Verfügung stellt. Wer im Wettbewerb bestehen will, muss zuerst einmal seine Stärken und Schwächen kennen und Business Intelligence liefert dazu die Informationen. 4 Business Intelligence ist die systematische, IT-gestützte Auswertung von Daten aus dem eigenen Unternehmen und seinem Umfeld. Die gewonnenen Erkenntnisse dienen dem Management als Grundlage für operative, taktische oder strategische Entscheidungen, mit dem Ziel, Geschäftsabläufe zu optimieren, Risiken zu minimieren und die Wertschöpfung zu vergrössern. 5 3 BI-Lösungen Die Funktionsvielfalt und Benutzerfreundlichkeit der BI-Programme ist entscheidend für den Erfolg eines Projektes. Die wichtigsten Kriterien für den Benutzer sind dabei richtige Daten, eine schnelle Informationsbereitstellung und eine funktionelle sowie benutzerfreundliche Oberfläche. 1 Knowledge-Management (KM) [10] 2 Databasemanagement: Erfolgsfaktoren für die Arbeit mit der Datenbank [6] 3 Definition von Knowledge Management [8] 4 Business Intelligence [7] 5 Strategische Entscheidungen mit Business Intelligence [1] 3
4 Typische Funktionen sind: Einfache Hierarchienavigation, um die Auswahl der gesuchten Daten zu erleichtern Übersichtliche tabellarische Ausgabe von Daten Unterstützung grafischer Darstellungen BI-Systeme liefern die Informationen, mit deren Hilfe Unternehmer und Manager aus der Vergangenheit lernen, die Zukunft prognostizieren und die Gegenwart steuern, und es werden sowohl Geschäftsrisiken als auch die Performance von Geschäftsprozessen bewertet. 6, BI-Werkzeuge Grundlage des BI-Prozesses bildet das Data Warehouse. Die Daten werden aus einer oder mehreren Datenquellen mit Hilfe der ODS Technologie extrahiert und in Data Warehouse gespeichert Operational Data Store (ODS) In einem Data Warehouse ist die Konsistenz des Datenbestandes durch den ODS sichergestellt. Bei ODS handelt es sich um eine zusätzliche Ebene zwischen Input Layer und zentraler Datenbasis eines Data Warehouse. Beim Übergang vom Input Layer in ODS werden in verschiedenen Formaten und Bedeutungen angelieferten Daten vereinheitlicht Data Warehouse Data Warehouse stellt die zentrale Sammelstelle für Unternehmensdaten dar. Es ist eine Datenbank, die alle Informationen und Daten eines Unternehmens in eine sinnvolle Struktur bringt, da es sonst so gut wie unmöglich wäre, aus allen unternehmensweiten Daten wertvolles Wissen zu extrahieren. Große Data Warehouse speichern zurzeit Dutzende Terabyts an Daten, wohingegen kleinere problemspezifische Data Marts normalerweise im Bereich von 10 bis 100 Gigabyte liegen. Leider in großen Data Warehouse Umgebungen stoßen einfache Abfrage-Werkzeuge schnell an die Grenzen ihrer Leistungsfähigkeit. Komplexe Abfragen, wie beispielsweise "Zeige mir alle regionalen Verkäufe als Prozentzahl von Februar bis März 1999, und vergleiche es mit dem gleichen Zeitraum im letzten und vorletzten Jahr", sind mit Standard-SQL nur schwer oder unmöglich durchzuführen. Data Warehouse bietet eine hervorragende Datengrundlage für BI-Tools wie OLAP oder Data Mining Online Analytical Processing (OLAP) Um diesen Problemen gerecht zu werden, wurden in der Vergangenheit spezielle Technologien entwickelt, die für solche Abfragen optimiert wurden, wie Online Analytical Processing (OLAP). In OLAP erfolgt eine mehrdimensionale Speicherung, Während in einer relationalen Datenbank die Daten als Datensätze in Tabellen zweidimensional (Zeile u. Spalte) gespeichert werden. Die OLAP zugrunde liegende Struktur ist ein OLAP-Cube, welcher flexible Drill-Down und Roll-Up Analysen unterstützt und bildet eine multidimensionale Welt ab, in der navigiert werden kann. Dieser ist meist nach dem Sternschema aufgebaut. OLAP dient der Entscheidungsunterstützung. Die Hauptfunktionen von OLAP sind die Aggregation, Verdichtung, Visualisierung und Analyse von Daten entlang einer oder mehrerer Dimensionen. 6 Gesunde Marktentwicklung im Bereich Business Intelligence [3] 7 Business Inteligence [5] 8 Operational Data Store (ODS) [9] 9 Warum ist Business Intelligence für ein Unternehmen wichtig? [11] 4
5 3.1.4 Data Mining Während OLAP die Antwort auf gezielte Fragen gibt, schürfen Data Mining-Tools nach unbekannten Zusammenhängen innerhalb der Unternehmensdaten. Durch verschiedene Methoden wie Assoziations- oder Clusteranalysen werden beim Data-Mining auch schwach strukturierte Datenmengen nach relevanten Informationen durchforstet. Mit Data Mining lassen sich beispielsweise Kundenprofile erstellen, 10 Korrelationen zwischen Produktverkäufen. Ein verbreitetes Anwendungsbeispiel kommt aus dem Einzelhandel. Eine Supermarktkette fand heraus, dass am frühen Abend häufig Windeln und Bier gemeinsam im Einkaufswagen landen, weil sich junge Väter ihren Familieneinsatz oft mit Gerstensaft versüßen. So fand sich das Bier kurzerhand im Regal neben den Windeln wieder. 4 Hintergrund und Motivation für BIKM Der Themenkomplex Business-Intelligence gewinnt in der Unternehmenspraxis zunehmend an Relevanz. BI-Lösungen reifen zu umfassenden Drehscheiben für die Entscheidungsunterstützung heran. Vor allem die Erschließung des in unstrukturierten Daten verborgenen Wissens rückt in den Vordergrund. Wettbewerbsvorteile werden in Zukunft nur noch die Unternehmen erlangen, denen es gelingt, Informationen in Wissen zu verwandeln. Hierfür wird es mehr und mehr erforderlich, die beiden nebeneinander gewachsenen Bereiche Wissensmanagement und Business Intelligence zu verschmelzen. Diese vermischte Technologie wird BIKM genannt. 4.1 Wichtigkeit der BIKM Um die Wichtigkeit der BIKM zu verstehen, ist es nützlich, auf einige echte Geschäftsprobleme zu schauen und zu ermitteln Verkaufseffektivität Data Cube kann helfen, Produkte, die über das Telefon am erfolgreichsten verkauft werden, Handelsvertreter, die den meisten Umsatz erbringen, und Kunden, die gegenüber dieser Verkaufstechnik am empfänglichsten sind zu identifizieren. Leider werden die einzelnen Verkaufstechniken, die von diesen erfolgreichen Handelsvertretern in verschiedenen Situationen verwendet werden, im OLAP - Cube nicht erfasst. Jedoch werden diese Verkaufsgespräche jetzt oft registriert und in einen Text konvertiert. Der Gesprächstext kann durch verschiedene Sprachverarbeitungen oder Muster-Erkennungstechniken analysiert werden Customer Relationship Management Data Cube für die Erfassung der Einnahmen, die durch eine Reihe von Kunden geleistet wurden, lassen oft den mit einzelnen Kunden verbundenen Aufwand weg. Der Aufwand kann die Zahl der Anrufe, die der Kunde ins Geschäft für Problemlösung gemacht hat, oder die Beschwerdebearbeitung enthalten. Extrahiertes Ausmaß dieses Aufwandes (z.b. verbrachte Zeit mit dem Kunden am Telefon) würde ein kompletteres Bild der Rentabilität jedes Kunden, zur Verfügung stellen. 10 Warum ist Business Intelligence für ein Unternehmen wichtig? [11] 5
6 4.1.3 Umfeldbedingte Probleme Es wurden kurz einige typische Kundenszenarien präsentiert, in denen das Zusammenbringen der Textanalyse mit der klassischen Datenanalyse gesteigerten Business Value bringen kann. Natürlich gibt es Umfelde unterschiedlicher Komplexität, in denen diese Szenarien vorkommen, und aufgrund dessen gibt es eine Vielfalt an Technologien und Werkzeugen, die in diesen verschiedenen Umfelden erforderlich sein können. Das einfachste Szenario tritt auf, wenn die Textinformation in der gleichen Datenbank ist wie die Business Data. Der Text kann in separaten Tabellen sein, der mit den Datensätzen durch allgemeine Join - Attribut verlinkt ist. In dieser Situation können Textanalysetechniken verwendet werden, um Informationen aus dem Text in Form zusätzlicher Attribute, Fakten herauszuziehen, die dann direkt mit den Business Data in Verbindung gebracht werden können. Eine kompliziertere Situation entsteht, wenn, anders als in den vorherigen Beispielen, die Quellen des Textes, die mit Business Data in Verbindung zu bringen sind, nicht bekannt sind. In diesem Fall ist ein Entdeckungsprozess erforderlich, um die passenden Textquellen zu identifizieren, und es ist eine Vereinigungstechnologie erforderlich, um den Text mit den Datensätzen zu verbinden. Schließlich kann die passende Textanalyse verwendet werden, um Business Value zu erhallten. Als ein kurzes Beispiel, kann ein Wirtschaftsanalytiker betrachtet werden, der einen Einnahmenwürfel erforscht und eine absteigende Tendenz der Einnahmen für ein Softwareprodukt in einigen Teilen der Vereinigten Staaten entdeckt. Das Data Cube zeigt, das Phänomen, aber bietet keine Erklärung dafür. Es gibt natürlich eine bestimmte Zahl von Fragen, die gestellt werden könnten, um den Einnahmenrückgang zu verstehen, und es gibt eine wesentliche Zahl von Textquellen, die man gerne nachprüfen würde, um die Antworten zu finden. In diesem Beispiel könnten die Textquellen einschließen: 1) Betriebsspezifische Information wie zum Beispiel Service Call Logs über das Produkt und Konkurrenzberichte über die Produkte der anderen Betriebe. 2) Öffentliche Dokumente im Webform, die Diskussionen über Produkte enthalten, wie zum Beispiel epinions.com In allen diesen Fällen kann die interaktive Analyse der Daten und des Textes das Nutzen des modernen Textanalysewerkzeugs benötigen. Im nächsten Abschnitt wird so ein Werkzeug beschrieben. 5 eclassifier eclassifier ist eine Anwendung, die schnell eine große Menge an Dokumenten analysieren und multiple Algorithmen, Visualisierungen und Metriken anwenden kann, um eine Taxonomie zu erstellen. eclassifier ist eine inhaltsreiche Anwendung der Textanalyse, die es einem Knowledge Worker erlaubt aus großen Mengen unstrukturierter Dokumente zu lernen. Das Werkzeug kann benutzt werden, um automatisch eine große Menge an Textdokumenten zu kategorisieren, was dann dem knowledge worker ein breites Spektrum an Controlling bietet, um die Erstellung der beliebig komplexen hierarchischen Taxonomie zu verfeinern. Das Werkzeug wurde optimiert, um über eine Million Dokumente analysieren zu können. Fortgeschrittene Visualisierungstechnologien ermöglichen, dass der Konzeptraum durch viele verschiedene Perspektiven erforscht wird. Durch die einfache Benutzerführung erfolgt die Informationsaufbereitung schnell und effizient. Die Ergebnisse können in unterschiedlichen Formaten ausgegeben werden. Viele Skizzen werden angeboten, einschließlich Tabellen, Balkendiagrammen, Bäumen. eclassifier wird hier im Zusammenhang mit Lotus Discovery Server und IBM Global Services eingesetzt. Diese Forschung hat gezeigt, dass die Stärke des eclassifier liegt darin, dass es menschliche Einflussnahme in allen entsprechenden Phasen des Taxonomie Generierungsprozesses vorsieht. 5.1 Dokumentrepräsentation. eclassifier stellt jedes Dokument mit einem Vektor gewichteter Frequenzen aus einem Feature Space der Begriffen und Phrasen dar. Das Feature Space wird durch das Berechnen der Häufigkeit der Begriffen und Phrasen in jedem Dokument erhalten. Um die Feature Space Darstellung wegen der Effizienz der Berechnung zu reduzieren, werden mehrere Techniken benutzt: Stopp -Wort Listen um das No Content Wörter zu eliminieren, 6
7 Listen mit Synonymen, um semantisch gleiche Wörter zu kollabieren, Listen mit Standardausdrücken, um strukturelle oder No Content wiederholende Phrasen zu eliminieren, Include Word Listen, um semantisch wichtige Begriffe, die im Feature Space verbleiben, zu identifizieren. Schließlich wird das Feature Space heuristisch durch das Entfernen der Begriffe mit der höchsten und niedrigsten Häufigkeit reduziert. Sobald das Feature Space festgelegt wird, benutzt das eclassifier das Dictionary Tool, das eine praktische Methode für das dynamische Überprüfen und Modifizieren bietet. Dieses Tool bietet für jeden Begriff und jede Phrase eine Häufigkeits- und Relevanzmaß. 5.2 Taxonomy Generation Der erste Schritt in der Analyse der Dokumentenmenge ist die Erstellung der Initialtaxonomie. In dem eclassifier wurde eine optimierte Variante des K-means Algorithmus implementiert, indem eine dem Kosinus ähnliche Metrik benutzt wird, um die Dokumente automatisch in k disjunkte Cluster zu partitionieren. K-mean kann dann auf jeden Cluster angewendet werden, um eine hierarchische Taxonomie zu erstellen. Die Praxis hat gezeigt, dass automatische Clustering Algorithmen sehr effektiv im Erstellen der Initialtaxonomien sind, welche benutzt werden, um die Bedeutung der Konzepte, die in der Dokumentmenge enthalten sind, zu verstehen. Dennoch partitioniert Clustering die Dokumente nicht immer auf die Art, die für Menschen sinnvoll ist. Aus diesem Grund, um teilweise Rechnung zu tragen, wurden einige zusätzliche Methoden für das Erstellen der Taxonomien entwickelt, von denen ein das Querybasiertes Clustering ist, welches Kategorien anhand der ausgewählten Schlüsselwörter bestimmt. 5.3 Taxonomy Evaluation Sobald Initialtaxonomie der Dokumente erstellt wird, bietet eclassifier das Mittel sie zu verstehen und zu evaluieren. Auf der Abbildung 1 ist der eclassifier Screenshot zu sehen, der summarische Informationen und Statistiken für eine bestimmte Menge an Kategorien zeigt. Diese Skizze bietet Klassenbeschriftung, Größe, Cohesion und Distinctness Maßeinheiten. Falls ein einzelner Begriff in 90 Prozent oder mehr Dokumente einer Klasse vorkommt, wird dann die Klasse nach diesem Term benannt. Falls mehr als ein Begriff mit 90 Prozent Häufigkeit vorkommt, dann werden all diese Begriffe in den Namen, mit dem & Zeichen zwischen jedem Begriff, einbezogen. Falls keiner der Begriffe in 90 oder mehr Prozent der Dokumente enthalten ist, dann wird die Klasse Miscellaneous genannt. Den Benutzern wird aber jeder Zeit eine andere Beschriftung zu bestimmen erlaubt. Zusätzlich zu der Benennung, werden für jede Kategorie drei Metriken berechnet. Die Größenspalte zeigt die Anzahl der Dokumente in der Klasse und ihren prozentualen Anteil in der Gesamtmenge. Cohesion ist das Maß der Abweichung der Dokumente in einer Klasse, und bietet ein gutes Abschätzen der Ähnlichkeit innerhalb einer Klasse. Klassen mit einem niedrigen Cohesion sind gute Kandidaten für ein Splitting. Distinctness ist das Maß der Abweichung der Dokumente zwischen den Klassen, und bietet ein gutes Abschätzen der Ähnlichkeit zwischen den Klassen, so können Klassen mit niedriger Verschiedenheit für eine mögliche Vereinigung in Frage kommen. Abbildung 1 7
8 5.4 Category Evaluation Außer eine gegebene Taxonomie auf dem Makro Level zu verstehen, ist es zusätzlich wichtig in der Lage zu sein, genau zu verstehen welches Kernkonzept eine Klasse darstellt. Um diesen Bedarf zu decken, bietet eclassifier eine spezielle Ansicht, die Statistiken über Begriffshäufigkeit, Klassifikationsregeln, wie auf Abbildung 2, zeigt. Für jeden Begriff zeigt es die Häufigkeit des Vorkommens innerhalb der gegebenen Klasse (roter Balken) und die Häufigkeit des Vorkommens innerhalb der ganzen Dokumentmenge (blauer Balken). Die Begriffe werden nach absteigender Ordnung der roten abzüglich der blauen Balkenhöhe sortiert. Abbildung 2 Das Panel der Komponenten einer Klasse veranschaulicht den Einfluss bestimmter Begriffe (die Inklusion =+, die Exklusion = -), wenn es als ein Entscheidungsbaum Klassifikator verwendet wird. Falls bestimmte Regeln besonders sinnvoll sind, kann der Benutzer auf den Knoten klicken und eine neue Klasse aus der identifizierten Menge der Dokumente erstellen. Schließlich bietet diese Ansicht Beispieldokumente aus jeder Klasse an. Einige Sortiertechniken sind vorhanden. Das Anordnen nach Most Typical wird basierend auf der Schwerpunktnähe berechnet und hilft dem Benutzer, das Wesen des Konzeptes einer Klasse zu verstehen. Das Anordnen nach Least Typical durch Anzeigen der am weitesten von dem Schwerpunkt entfernten Beispieldokumente, hilft dem Benutzer die Einheitlichkeit innerhalb der Klasse zu bewerten. Beispiele, die der Benutzer als nicht wirklich zu der Klasse gehörend identifiziert, können leicht in andere Klassen oder in eine neu erstellte Klasse versetzt werden. 5.5 Taxonomy Visualisierung Visualisierung ist eine wichtige Technik um Information zu vermitteln. eclassifier benutzt Visualisierung, um dem Benutzer zu helfen, den Klassenzusammenhang der Dokumente zu erforschen. In der Abbildung 3 wird ein Beispiel der Visualisierung des eclassifier gezeigt. In der Visualisierung stellt jeder Punkt ein Dokument dar, welches, wenn es angeklickt wird, angezeigt wird. Die Farbe des Punktes bezeichnet seine Zugehörigkeit zu einer entsprechenden Klasse. Ein großer Punkt repräsentiert den Schwerpunkt einer Klasse. Diese Visualisierung ist nützlich, um den Zusammenhang zwischen verschiedenen Klassen zu erforschen. Man kann schnell sehen welche Klassen sich nahe stehen und spezifische Dokumente finden, die sich über diese Klassen erstrecken können, indem Dokumente ausgewählt werden, die an den Grenzen der verschiedenen Klassen liegen. 8
9 Abbildung Classifikation Vier Algorithmen Nearest Centroid, Naive Bayes Multivariate, Naive Bayes Multinomial, Decision Tree und eine Methodologie wurden für das Evaluieren implementiert. Für eine gegebene Taxonomie wird eine Hälfte der Dokumente als Training Set und die andere Hälfte als Test Set selektiert. Ein Klassifikationsmodel wird für jedes der vier implementierten Algorithmen basierend auf dem Training Set erstellt. Der beste Algorithmus wird dann durch das Ermitteln der präzisen Leistung der Klassifikation auf dem Test Set selektiert. Auf jeder Ebene der Taxonomie-Hierarchie kann ein anderer Klassifikator selektiert werden, dessen Ansatz am präzisesten ist. Zusätzlich dazu wird eine komplette Kontrolle über die Selektion des Klassifikationsansatzes erlaubt, indem der Benutzer Anpassungen an der Taxonomie vornehmen kann, um die Genauigkeit des Klassifikators zu verbessern. Die Klassifikationsgenauigkeit für verschiedene Klassifikationsalgorithmen kann auch in der Klassenansicht veranschaulicht werden (siehe Abbildung 1). 5.7 Analysis and Reporting Außer den beschriebenen Techniken für das Erstellen und die Verwaltung der Taxonomie, bietet eclassifier verschiedene Techniken für die tiefere Analysis des Textes, zum Beispiel die Ermittlung der Korrelationen des Textes mit den entsprechenden Daten, und für das Vergleichen der Dokumentmenge. Die erste Technik wird die FAQ Analysis genannt, weil sie gewöhnlich verwendet wurde, um in Help- Desk häufig gestellte Fragen zu finden. eclassifier wird eine Chi-Squared Test ausführen, mit ihm lässt sich prüfen, ob die beobachtete (empirische) Verteilung der vorgegebenen (theoretischen) Verteilung entspricht. Eine andere nützliche Analyse ist das Benutzen einer erstellten Taxonomie, um Dokumentmengen zu vergleichen. Für eine gegebene Taxonomie und Dokumentmenge, kann eine zweite Dokumentmenge analysieren werden, um zu entdecken, welche Bereiche innerhalb der Taxonomie schlecht abgedeckt sind. Diese Technik wurde auf Help-Desk Problemtickets angewendet, um Wissenslücken zu identifizieren, zum Beispiel Probleme, die nicht gut in der Informationsbank behandelt werden. 9
10 6 Das Integration Paradigma In manchen analyseorientierten Bereichen ist das einfache nahe Bringen des Textes an die Daten mit einem Analysewerkzeug wie eclassifier ausreichend dafür, um den Benutzer einige Erklärungen für das Business Phenomenon zu geben. Dieser Ansatz hat jedoch Skalierbarkeitsprobleme, falls die Anzahl der Quellen oder assoziierten Dokumente groß ist. 6.1 Star Schema Data Model Ein Weg um eine dichtere Integration der Textinformation mit den zugehörigen Daten zu erreichen, ist das Benutzen eines OLAP multidimensionalen Datenmodells. Das typische dimensionale Datenmodell für ein OLAP System benutzt ein Star Schema. Die grafische Darstellung dieser Modellierung sieht aus wie ein Stern, daher stammt der Name Star Schema. Das grundlegende Star Schema besteht aus einem Fact Table und einer dazugehörigen Menge der dimensionalen Tabellen. Die Faktentabelle enthält Primärschlüsseln der Dimensionstabellen. Die Dimensionstabellen sind über die Zeit relativ statisch und beschreiben Geschäftsstrukturen des Unternehmens. In der Faktentabelle werden quantitative Daten gespeichert, beispielsweise die Anzahl der Verkäufe oder der Preis. Ein Problem des Sternschemas ist, dass Daten in den Dimensionstabellen über einen langen Zeitraum hinweg einen Bezug auf Daten in den Faktentabellen haben. Über die Zeit hinweg können aber auch Änderungen der Dimensionsdaten notwendig werden. Diese Änderungen dürfen sich aber in der Regel nicht auf Daten vor der Änderung auswirken. Wenn sich beispielsweise Verkäufer für eine Produktgruppe ändern, dann darf der jeweilige Eintrag in der Dimensionstabelle nicht einfach überschrieben werden. Stattdessen muss ein neuer Eintrag generiert werden, da sonst die Verkaufszahlen des vorherigen Verkäufers nicht mehr feststellbar wären. Vorteil der Trennung von Fakten und Dimensionen ist, dass die Fakten nach jeder Dimension generisch und unabhängig analysiert werden können. Eine OLAP-Anwendung benötigt kein Wissen über die Bedeutung einer Dimension. Die Interpretation ist allein dem Benutzer überlassen. In dem Beispiel (Abbildung 4) sind drei Dimensionstabellen: das Produkt, die Geographie, das Datum, und eine Faktentabelle des Einkommens Revenue Facts zu sehen. Die Produktdimension hat eine Hierarchie: Group -> Type -> Product. Die Geographiedimension: Country -> State -> City. Die Datumdimension: Year -> Quarter -> Day. Diese drei Dimensionen repräsentieren die Attribute, die benutzt werden können, um die Daten zu analysieren. Dieses Modell erlaubt, den Effekt des Produktes, der Geographie und des Datums, auf das Einkommen und die Verkaufseinheiten und auf andere Abmessungen, die aus diesen Werten berechnet werden, wie zum Beispiel das Gesamteinkommen, das Durchschnittseinkommen usw. zu erforschen. Abbildung 4 10
11 6.1.1 Erforschung der Daten und in Verbindung stehenden Dokumenten Nicht nur die Daten sondern auch die in Verbindung stehenden Dokumente können auf verschiedene Weisen erforscht werden. Dieses Interaktionsmodell und sein grundlegendes Informationsmodell ist ein Bereich für die gegenwärtige Forschung. Es wird wieder das Beispiel von vorher betrachtet. Die Faktentabelle hat Schlüsseln der Dimensionen: Produkt, Geographie und Datum. Jetzt gibt es aber auch eine Datenbank der Problemtickets, die aus den Service Calls entstehen. Die Problemtickets haben Metadaten, die zusammen mit der Problembeschreibung dokumentiert werden. Wenn eine Reihe der Analysen über diese Menge der Dokumente durchführt wird, wird es dann möglich sein einiges zu vollenden. Erstens wird es möglich sein durch das Benutzen eines Klassifikationsprozesses die Problemtickets nach der Problemart aufzuteilen und dabei zusätzlich eine neue Dimension zu erstellen, in welcher Problemtickets kategorisiert werden können. Zweitens kann man versuchen den Schwierigkeitsgrad des Problems in dem Ticket zu bestimmen indem Textanalysen über dem Text der Problemtickets durchführen werden. Die ersten vier Spalten (Abbildung 5), die Fremdschlüsseln zu den Dimensionstabellen sind, werden von den Metadaten abgeleitet, die mit den Tickets in der Problemticket-Datenbank assoziiert sind. Die fünfte Spalte ist jetzt eine Dimension, die durch das automatische Klassifizieren der Problemtickets verursacht wurde. Die sechste Spalte ist mit dem Problem assoziiert ist, das aus den Metadaten ermittelt werden kann. Die siebte Spalte ist ein Maß der Ernsthaftigkeit des Problems. Dies kann der Grad der Frustration oder des Zornes des Anrufers sein. Schließlich verknüpft die letzte Spalte diesen Dokumentfakt zurück mit dem Originaldokument in der Ticket Datenbank. Abbildung Integrierte BIKM Werkzeuge (Sapient u. eclassifier) In diesem Abschnitt wird das Tooling beschreiben, das aufgebaut wurde, um das OLAP Datenmodell auf Textdokumente anzuwenden, indem ein Document Warehouse erzeugt wird. Dann wird es beschreiben, wie die Daten und die Dokumente durch Shared Dimensions verlinkt werden können, und wie dies die analytischen Fähigkeiten erweitern kann. Schließlich wird es gezeigt, wie die Textanalyse verwendet werden kann, um dieses Datenmodell mit dynamischen Dimensionen effektiv zu erweitern Dokument Warehouse Das Konzept des Data Warehouse hat sich in den letzten Jahren äußerst erfolgreich etabliert. Mit dieser Technik lassen sich jedoch nur strukturierte Daten speichern und verarbeiten. Ein Großteil der in Unternehmen anfallenden Daten liegt jedoch in schwach- oder unstrukturierter Form, z.b. als Textdokument, vor. Um auch diese für Business Intelligence nutzbar zu machen wird versucht die erfolgreichen Ideen des Data Warehouse speziell auf Dokumente anzuwenden, indem ein Dimensionsmodell verwenden wird, bei dem die Fact Table Granularität ein Dokument ist, und die Dimensionstabellen die Attribute des Dokumentes enthalten Shared Dimensions Bis jetzt wurde gezeigt, wie Star Schemas benutzt werden können, um Data- und Document Cubes zu gestallten und zu analysieren. Obwohl sie auch einzeln sehr nützliche Informationen zur Verfügung stellen können, wird das Anbieten eines Mechanismuses, um sie zu verbinden, eine tiefere Analyse gewähren und dadurch größeren Nutzen haben. Als Beispiel wird wieder das Produkt-Geographie-Datum Einkommens- Cube aus der Abbildung 4 betrachtet. Falls es eine Menge der Dokumente gibt, die produkt-, geographie-, zeitraumrelevant sind, dann kann die Information, die sie enthalten die Entscheidungstechniken bedeutend verbessern. Einige Dokumente sind Sales Logs, Customer Support Logs, Nachrichten- und Presseartikel, Marketing-Material und Diskussionsgruppen. All 11
12 diese können einzigartige Einblicke ermöglichen, warum ein Produkt gut oder schlecht in einer gegebenen Geographie während eines gegebenen Zeitraums verkauft wurde. Der Schlüssel zum Erzielen dieser Einblicke ist es, die Daten mit den Dokumenten durch Shared Dimensions direkt zu verbinden. Abbildung 6. Abbildung Dynamic Dimensions An dieser Stelle sind Data- und Document Cubes durch Shared Dimensions verlinkt. Alle analytischen Techniken, die auf Data Cubes angewendet werden, können auch auf die Document Cubes angewendet werden. Falls zum Beispiel die Daten einen Rückgang der Produkteinnahmen in bestimmten geographischen Umgebungen während eines bestimmten Zeitraumes zeigen, wird es mit Hilfe der Verknüpfungen möglich sein die Dokumente zu bestimmen, die am besten den Rückgang der Einnahmen erklären können. Dennoch können die vorhandenen Dimensionen manchmal nicht ausreichend sein, um die Daten vollständig erklären zu können. Die Dokumente können dann durch das Benutzen eines tieferen Textverarbeitungssystems wie eclassifier weiter analysiert werden. Deshalb wurde in dem BIKM System das Document Warehouse mit einer zusätzlichen Tabelle Token Table vorgesehen, welche das Token Identifier und das Token Offset für jedes Token in jedem Dokument hat (wie es in der Abbildung 6 gezeigt wird). Die Token - Tabelle erlaubt das Ausführen des eclassifiers auf einer beliebigen Teilmenge der Dokumente aus dem Document Warehouse. Außerdem kann eclassifier benutzt werden, um eine neue Taxonomie über diese ausgewählte Menge der Dokumente zu erstellen. Zum Beispiel können Problemtickets nach Problemarten klassifiziert werden, was eine feinere Granularität für das Verstehen der Probleme bietet. Die neue Taxonomie kann für das Document Warehouse durch das Erstellen einer entsprechenden Dimensionstabelle verfügbar werden. Diese neue Dimension ist jetzt für alle analytischen und berichtenden Möglichkeiten in der OLAP-Umgebung verfügbar. In der Abbildung 7 wurde zum Beispiel das ThinkPad* T20 -Produkt selektiert und dann die 2858 Dokumente, die mit diesem Produkt assoziiert sind, wurden in eclassifier extrachiert. eclassifier wird hier benutzt, um die neue Taxonomie, die in der Abbildung 8 gezeigt wird, zu erzeugen, Die erzeugte Taxonomie wird für das Document Warehouse gespeichert, indem sie als die New Thinkpad Taxonomy - Dimension veröffentlicht wird und das Document Fact Table entsprechend aktualisiert wird. Die Ergebnisse werden in Abbildung 9 gezeigt. 12
13 Abbildung 7 Abbildung 8 13
14 Abbildung 9 7 Künftige Forschungen Die bisherigen Abschnitte diskutierten das Modell für die Daten- und Textanalyse und das Tooling, das konstruiert wurde um mit diesem Modell zu experimentieren. Das fehlende Teil dieser Integration ist die Textanalytik, die benutzt wird, um die quantitativen Metriken zu erstellen, die das Document Cube beinhaltet. Es gibt eine signifikante Arbeit, die in der IBM Forschungsgemeinschaft abläuft: 1) Gewinnen quantitativer Daten aus den Dokumenten (zum Beispiel die finanziellen Vertragsbedingungen); 2) Ableiten der Relationen zwischen den Instanzen in einem Dokument (zum Beispiel neues Produkt A ist in Konkurrenz mit dem Produkt B); 3) Messen des Grades subjektiver Werte, wie zum Beispiel Ernsthaftigkeit oder Stimmung in Dokumenten (zum Beispiel ein Kundenbrief spiegelt extreme Unzufriedenheit wegen den Dienstleistungen des Unternehmens wieder). 8 Fazit Trotz hoher Kosten haben viele Firmen die Notwendigkeit von Business Intelligence erkannt sollen rund 1,8 Milliarden Euro in Weiterentwicklung von BI-Systemen fließen. Mit dem Erfolg wachsen aber auch Ansprüche und Anforderungen an das Data Warehouse und die Werkzeuge. Bei der Einführung von BI-Lösungen gilt es eine Reihe von Fallstricken zu beachten. Die meisten davon sind in der Planungsphase versteckt. Nur wenn sich eine BI-Lösung an der Strategie und dem Geschäft des Unternehmens ständig orientiert erbringt sie konkreten Nutzen. Das bedeutet, dass eben nicht nur die IT, sondern auch das Management [ ] eine tragende Rolle beim Einsatz von BI spielen. [ ] Wenn alle Parteien ihre Aufgaben richtig ausführen, so kann das Wertschöpfungspotenzial der BI entfaltet und der Return on Investment (ROI) positiv beeinflusst werden Studie: Business Intelligence oft zu teuer [2] 12 Gezielte Steigerung des ROI durch Business Intelligence [4] 14
15 Literaturverzeichnis [1] Strategische Entscheidungen mit Business Intelligence [2] Studie: Business Intelligence oft zu teuer [3] Gesunde Marktentwicklung im Bereich Business Intelligence [4] Gezielte Steigerung des ROI durch Business Intelligence [5] Business Intelligence [6] Databasemanagement: Erfolgsfaktoren für die Arbeit mit der Datenbank [7] Business Intelligence [8] Definition von Knowledge Management [9] Operational Data Store (ODS) [10] Knowledge-Management (KM) [11] Warum ist Business Intelligence für ein Unternehmen wichtig? [12] The integration of business intelligence and knowledge management 15
The integration of business intelligence and knowledge management
The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence
MehrData Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse
Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrData Mining-Modelle und -Algorithmen
Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining ist ein Prozess, bei dem mehrere Komponenten i n- teragieren. Sie greifen auf Datenquellen, um diese zum Training,
MehrHandbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken
Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen
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
MehrFachbericht zum Thema: Anforderungen an ein Datenbanksystem
Fachbericht zum Thema: Anforderungen an ein Datenbanksystem von André Franken 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis 1 2 Einführung 2 2.1 Gründe für den Einsatz von DB-Systemen 2 2.2 Definition: Datenbank
MehrKampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht
Kampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht Thomas Kreuzer ec4u expert consulting ag Karlsruhe Schlüsselworte: Kampagnenmanagement Praxisbericht Siebel Marketing Oracle BI - ec4u
MehrSo importieren Sie einen KPI mithilfe des Assistenten zum Erstellen einer Scorecard
1 von 6 102013 18:09 SharePoint 2013 Veröffentlicht: 16.07.2012 Zusammenfassung: Hier erfahren Sie, wie Sie einen KPI (Key Performance Indicator) mithilfe des PerformancePoint Dashboard Designer in SharePoint
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
Mehr4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
MehrHandbuch Fischertechnik-Einzelteiltabelle V3.7.3
Handbuch Fischertechnik-Einzelteiltabelle V3.7.3 von Markus Mack Stand: Samstag, 17. April 2004 Inhaltsverzeichnis 1. Systemvorraussetzungen...3 2. Installation und Start...3 3. Anpassen der Tabelle...3
MehrTask: Nmap Skripte ausführen
Task: Nmap Skripte ausführen Inhalt Einfache Netzwerkscans mit NSE Ausführen des Scans Anpassung der Parameter Einleitung Copyright 2009-2015 Greenbone Networks GmbH Herkunft und aktuellste Version dieses
MehrZahlen auf einen Blick
Zahlen auf einen Blick Nicht ohne Grund heißt es: Ein Bild sagt mehr als 1000 Worte. Die meisten Menschen nehmen Informationen schneller auf und behalten diese eher, wenn sie als Schaubild dargeboten werden.
MehrVerkaufen Sie doch wo Sie wollen. Ihr einfacher Weg zu mehr Umsatz und dauerhaft steigendem Erfolg im E-Business
Der Handel über das Internet hat sich gesellschaftlich längst etabliert und ist zu einer bedeutenden Größe der weltweiten Volkswirtschaften geworden. Millionen Produkte und Dienstleistungen werden täglich
MehrMarketing Intelligence Schwierigkeiten bei der Umsetzung. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Schwierigkeiten bei der Umsetzung Josef Kolbitsch Manuela Reinisch Übersicht Schwierigkeiten bei der Umsetzung eines BI-Systems Schwierigkeiten der Umsetzung 1/13 Strategische Ziele
Mehrp-cost Benutzerhandbuch Alfred Pabinger
Benutzerhandbuch Inhalt Übersicht 1 Einleitung 1 Home 1 Navigationsleiste 2 Schüleransicht 3 Frage eintragen 3 Prüfungsfragen anzeigen 3 Probeprüfung 3 Statistik 4 Achievements 4 Passwort ändern / Kontakt
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrWelche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test?
Welche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test? Auch wenn die Messungsmethoden ähnlich sind, ist das Ziel beider Systeme jedoch ein anderes. Gwenolé NEXER g.nexer@hearin gp
MehrSpeicher in der Cloud
Speicher in der Cloud Kostenbremse, Sicherheitsrisiko oder Basis für die unternehmensweite Kollaboration? von Cornelius Höchel-Winter 2013 ComConsult Research GmbH, Aachen 3 SYNCHRONISATION TEUFELSZEUG
MehrProfessionelle Seminare im Bereich MS-Office
Serienbrief aus Outlook heraus Schritt 1 Zuerst sollten Sie die Kontakte einblenden, damit Ihnen der Seriendruck zur Verfügung steht. Schritt 2 Danach wählen Sie bitte Gerhard Grünholz 1 Schritt 3 Es öffnet
MehrAbamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER
Abamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER Abamsoft Finos in Verbindung mit der Webshopanbindung wurde speziell auf die Shop-Software shop to date von DATA BECKER abgestimmt. Mit
MehrVERÖFFENTLICHT VON: ag-pictures Andreas Grzesiak Espenweg 5 86971 Peiting. 2015 Andreas Grzesiak Alle Rechte vorbehalten. www.ag-pictures.
VERÖFFENTLICHT VON: ag-pictures Andreas Grzesiak Espenweg 5 86971 Peiting 2015 Andreas Grzesiak Alle Rechte vorbehalten. www.ag-pictures.com Über Andreas Grzesiak: Andreas Grzesiak hat sich schon in jungen
MehrWarum. Natural AnalyticsTM. wichtig ist
Warum Natural AnalyticsTM wichtig ist Wir sind alle geborene Analytiker. Die Menschheit entwickelte sich in einer Welt voll komplexer Informationen und wichtiger Entscheidungen. Wir erkennen Muster und
MehrLernprogramm "Veröffentlichen von WMS- Services"
Lernprogramm "Veröffentlichen von WMS- Services" Copyright 1995-2012 Esri All rights reserved. Table of Contents Lernprogramm: WMS-Service veröffentlichen....................... 0 Copyright 1995-2012 Esri.
MehrIhre Interessentendatensätze bei inobroker. 1. Interessentendatensätze
Ihre Interessentendatensätze bei inobroker Wenn Sie oder Ihre Kunden die Prozesse von inobroker nutzen, werden Interessentendatensätze erzeugt. Diese können Sie direkt über inobroker bearbeiten oder mit
MehrLeichte-Sprache-Bilder
Leichte-Sprache-Bilder Reinhild Kassing Information - So geht es 1. Bilder gucken 2. anmelden für Probe-Bilder 3. Bilder bestellen 4. Rechnung bezahlen 5. Bilder runterladen 6. neue Bilder vorschlagen
Mehrpro4controlling - Whitepaper [DEU] Whitepaper zur CfMD-Lösung pro4controlling Seite 1 von 9
Whitepaper zur CfMD-Lösung pro4controlling Seite 1 von 9 1 Allgemeine Beschreibung "Was war geplant, wo stehen Sie jetzt und wie könnte es noch werden?" Das sind die typischen Fragen, mit denen viele Unternehmer
Mehr4. BEZIEHUNGEN ZWISCHEN TABELLEN
4. BEZIEHUNGEN ZWISCHEN TABELLEN Zwischen Tabellen können in MS Access Beziehungen bestehen. Durch das Verwenden von Tabellen, die zueinander in Beziehung stehen, können Sie Folgendes erreichen: Die Größe
MehrJeopardy and andere Quizformate im bilingualen Sachfachunterricht Tipps zur Erstellung mit Powerpoint
Bilingual konkret Jeopardy and andere Quizformate im bilingualen Sachfachunterricht Tipps zur Erstellung mit Powerpoint Moderner Unterricht ist ohne die Unterstützung durch Computer und das Internet fast
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrStellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster
Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.
MehrLeitfaden #1a. "zanox Publisher-Statistik" (next generation)
Leitfaden #1a "zanox Publisher-Statistik" (next generation) Thema: Sortieren von Leads und Sales nach dem Bearbeitungsdatum (inklusive Abschnitt "Filterung nach Transaktionsstatus") 1/8 Leitfaden "Sortieren
MehrWie wirksam wird Ihr Controlling kommuniziert?
Unternehmenssteuerung auf dem Prüfstand Wie wirksam wird Ihr Controlling kommuniziert? Performance durch strategiekonforme und wirksame Controllingkommunikation steigern INHALT Editorial Seite 3 Wurden
MehrBeispiel Shop-Eintrag Ladenlokal & Online-Shop im Verzeichnis www.wir-lieben-shops.de 1
Beispiel Shop-Eintrag Ladenlokal & Online-Shop. Als Händler haben Sie beim Shop-Verzeichnis wir-lieben-shops.de die Möglichkeit einen oder mehrere Shop- Einträge zu erstellen. Es gibt 3 verschiedene Typen
MehrBusiness Intelligence Praktikum 1
Hochschule Darmstadt Business Intelligence WS 2013-14 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 14.10.2013 Business Intelligence Praktikum
MehrData Mining-Projekte
Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein
Mehrmysql - Clients MySQL - Abfragen eine serverbasierenden Datenbank
mysql - Clients MySQL - Abfragen eine serverbasierenden Datenbank In den ersten beiden Abschnitten (rbanken1.pdf und rbanken2.pdf) haben wir uns mit am Ende mysql beschäftigt und kennengelernt, wie man
MehrGEVITAS Farben-Reaktionstest
GEVITAS Farben-Reaktionstest GEVITAS Farben-Reaktionstest Inhalt 1. Allgemeines... 1 2. Funktionsweise der Tests... 2 3. Die Ruhetaste und die Auslösetaste... 2 4. Starten der App Hauptmenü... 3 5. Auswahl
MehrBedienungsanleitung. Matthias Haasler. Version 0.4. für die Arbeit mit der Gemeinde-Homepage der Paulus-Kirchengemeinde Tempelhof
Bedienungsanleitung für die Arbeit mit der Gemeinde-Homepage der Paulus-Kirchengemeinde Tempelhof Matthias Haasler Version 0.4 Webadministrator, email: webadmin@rundkirche.de Inhaltsverzeichnis 1 Einführung
MehrAnleitung RÄUME BUCHEN MIT OUTLOOK FÜR VERWALTUNGSANGESTELLTE
Anleitung RÄUME BUCHEN MIT OUTLOOK FÜR VERWALTUNGSANGESTELLTE Dezernat 6 Abteilung 4 Stand: 14.Oktober 2014 Inhalt 1. Einleitung 3 2. Räume & gemeinsame Termine finden 3 3. Rüstzeit 8 4. FAQ: Oft gestellte
MehrDer vorliegende Konverter unterstützt Sie bei der Konvertierung der Datensätze zu IBAN und BIC.
Anleitung Konverter Letzte Aktualisierung dieses Dokumentes: 14.11.2013 Der vorliegende Konverter unterstützt Sie bei der Konvertierung der Datensätze zu IBAN und BIC. Wichtiger Hinweis: Der Konverter
Mehr----------------------------------------------------------------------------------------------------------------------------------------
0 Seite 0 von 20 03.02.2015 1 Ergebnisse der BSO Studie: Trends und Innovationen im Business Performance Management (BPM) bessere Steuerung des Geschäfts durch BPM. Bei dieser BSO Studie wurden 175 CEOs,
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.
MehrACDSee Pro 2. ACDSee Pro 2 Tutorials: Übertragung von Fotos (+ Datenbank) auf einen anderen Computer. Über Metadaten und die Datenbank
Tutorials: Übertragung von Fotos (+ ) auf einen anderen Computer Export der In dieser Lektion erfahren Sie, wie Sie am effektivsten Fotos von einem Computer auf einen anderen übertragen. Wenn Sie Ihre
MehrRegistrierung am Elterninformationssysytem: ClaXss Infoline
elektronisches ElternInformationsSystem (EIS) Klicken Sie auf das Logo oder geben Sie in Ihrem Browser folgende Adresse ein: https://kommunalersprien.schule-eltern.info/infoline/claxss Diese Anleitung
MehrKostenstellen verwalten. Tipps & Tricks
Tipps & Tricks INHALT SEITE 1.1 Kostenstellen erstellen 3 13 1.3 Zugriffsberechtigungen überprüfen 30 2 1.1 Kostenstellen erstellen Mein Profil 3 1.1 Kostenstellen erstellen Kostenstelle(n) verwalten 4
MehrTechniken der Projektentwicklungen
Von der Analyse zum Entwurf 5. Termin Vom Use Case zum Domänenmodell Bis zum nächsten Mal Vom Use Case zum Domänenmodell Vom Use Case zum Domänenmodell Was ist ein Domänenmodell? Graphische Beschreibung
MehrSeminar Business Intelligence Teil II. Data Mining & Knowledge Discovery
Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?
MehrWinWerk. Prozess 6a Rabatt gemäss Vorjahresverbrauch. KMU Ratgeber AG. Inhaltsverzeichnis. Im Ifang 16 8307 Effretikon
WinWerk Prozess 6a Rabatt gemäss Vorjahresverbrauch 8307 Effretikon Telefon: 052-740 11 11 Telefax: 052-740 11 71 E-Mail info@kmuratgeber.ch Internet: www.winwerk.ch Inhaltsverzeichnis 1 Ablauf der Rabattverarbeitung...
MehrIT-Governance und Social, Mobile und Cloud Computing: Ein Management Framework... Bachelorarbeit
IT-Governance und Social, Mobile und Cloud Computing: Ein Management Framework... Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft
MehrFlowFact Alle Versionen
Training FlowFact Alle Versionen Stand: 29.09.2005 Rechnung schreiben Einführung Wie Sie inzwischen wissen, können die unterschiedlichsten Daten über verknüpfte Fenster miteinander verbunden werden. Für
MehrDieser Ablauf soll eine Hilfe für die tägliche Arbeit mit der SMS Bestätigung im Millennium darstellen.
Millennium SMS Service Schnellübersicht Seite 1 von 6 1. Tägliche Arbeiten mit der SMS Bestätigung Dieser Ablauf soll eine Hilfe für die tägliche Arbeit mit der SMS Bestätigung im Millennium darstellen.
MehrErstellen von Business Intelligence mit Office XP und SQL 2000 Analysis Services
Erstellen von Business Intelligence mit Office XP und SQL 2000 Analysis Services (Engl. Originaltitel: Building Business Intelligence with Office XP and SQL 2000 Analysis Services) In diesem Artikel wird
Mehr.. für Ihre Business-Lösung
.. für Ihre Business-Lösung Ist Ihre Informatik fit für die Zukunft? Flexibilität Das wirtschaftliche Umfeld ist stärker den je im Umbruch (z.b. Stichwort: Globalisierung). Daraus resultierenden Anforderungen,
MehrLeitfaden zur ersten Nutzung der R FOM Portable-Version für Windows (Version 1.0)
Leitfaden zur ersten Nutzung der R FOM Portable-Version für Windows (Version 1.0) Peter Koos 03. Dezember 2015 0 Inhaltsverzeichnis 1 Voraussetzung... 3 2 Hintergrundinformationen... 3 2.1 Installationsarten...
MehrDatenbanken Kapitel 2
Datenbanken Kapitel 2 1 Eine existierende Datenbank öffnen Eine Datenbank, die mit Microsoft Access erschaffen wurde, kann mit dem gleichen Programm auch wieder geladen werden: Die einfachste Methode ist,
MehrWordPress. Dokumentation
WordPress Dokumentation Backend-Login In das Backend gelangt man, indem man hinter seiner Website-URL einfach ein /wp-admin dranhängt www.domain.tld/wp-admin Dabei gelangt man auf die Administrationsoberfläche,
MehrDatensicherung. Beschreibung der Datensicherung
Datensicherung Mit dem Datensicherungsprogramm können Sie Ihre persönlichen Daten problemlos Sichern. Es ist möglich eine komplette Datensicherung durchzuführen, aber auch nur die neuen und geänderten
MehrIAWWeb PDFManager. - Kurzanleitung -
IAWWeb PDFManager - Kurzanleitung - 1. Einleitung Dieses Dokument beschreibt kurz die grundlegenden Funktionen des PDFManager. Der PDF Manager dient zur Pflege des Dokumentenbestandes. Er kann über die
MehrThematische Abfrage mit Computerlinguistik
Thematische Abfrage mit Computerlinguistik Autor: Dr. Klaus Loth (ETH-Bibliothek Zürich) Zusammenfassung Der Beitrag befasst sich mit dem Einsatz der Computerlinguistik bei der thematischen Abfrage einer
MehrHANDBUCH PHOENIX II - DOKUMENTENVERWALTUNG
it4sport GmbH HANDBUCH PHOENIX II - DOKUMENTENVERWALTUNG Stand 10.07.2014 Version 2.0 1. INHALTSVERZEICHNIS 2. Abbildungsverzeichnis... 3 3. Dokumentenumfang... 4 4. Dokumente anzeigen... 5 4.1 Dokumente
MehrIhr Weg in die Suchmaschinen
Ihr Weg in die Suchmaschinen Suchmaschinenoptimierung Durch Suchmaschinenoptimierung kann man eine höhere Platzierung von Homepages in den Ergebnislisten von Suchmaschinen erreichen und somit mehr Besucher
Mehr«/Mehrere Umfragen in einer Umfrage durchführen» Anleitung
QuickStart «/Mehrere Umfragen in einer Umfrage durchführen» Anleitung Mehrere Umfragen in einer Umfrage durchführen Mögliches Szenario oder wann Sie davon Gebrauch machen können Sie führen regelmässig
MehrSchulberichtssystem. Inhaltsverzeichnis
Schulberichtssystem Inhaltsverzeichnis 1. Erfassen der Schüler im SBS...2 2. Erzeugen der Export-Datei im SBS...3 3. Die SBS-Datei ins FuxMedia-Programm einlesen...4 4. Daten von FuxMedia ins SBS übertragen...6
MehrOptimieren Sie Ihre n2n Webseite
N2N Autor: Bert Hofmänner 5.10.2011 Optimieren Sie Ihre n2n Webseite Einer der wichtigsten Faktoren für den Erfolg Ihrer Webseite in Suchmaschinen sind deren Inhalte. Diese können Sie mit einem Content
MehrInstruktionsheft für neue Webshop Hamifleurs
Instruktionsheft für neue Webshop Hamifleurs Instruktionen für neue Webshop Hamifleurs Gehen Sie zu www.hamifleurs.nl. Klicken Sie auf Login Kunden und es erscheint der Bildschirm auf der nächsten Seite.
MehrDiese Ansicht erhalten Sie nach der erfolgreichen Anmeldung bei Wordpress.
Anmeldung http://www.ihredomain.de/wp-admin Dashboard Diese Ansicht erhalten Sie nach der erfolgreichen Anmeldung bei Wordpress. Das Dashboard gibt Ihnen eine kurze Übersicht, z.b. Anzahl der Beiträge,
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
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
MehrSeite 1 von 14. Cookie-Einstellungen verschiedener Browser
Seite 1 von 14 Cookie-Einstellungen verschiedener Browser Cookie-Einstellungen verschiedener Browser, 7. Dezember 2015 Inhaltsverzeichnis 1.Aktivierung von Cookies... 3 2.Cookies... 3 2.1.Wofu r braucht
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
MehrApplikations-Performance in Citrix Umgebungen
Applikations-Performance in Citrix Umgebungen Monitoring und Troubleshooting mit OPNET Lösungen Page 1 of 6 CITRIX ist langsam! Mit dieser Frage sehen sich immer wieder IT Administratoren konfrontiert.
MehrDie itsystems Publishing-Lösung
Die itsystems Publishing-Lösung www.itsystems.ch 1/6 Inhaltsverzeichnis 1 Publishing-Portal Funktionsübersicht... 3 1.1 Umfang des itsystems Portal... 3 1.2 Portal-Lösungsübersicht... 4 www.itsystems.ch
MehrAnwendungsbeispiele Buchhaltung
Kostenstellen in Webling Webling ist ein Produkt der Firma: Inhaltsverzeichnis 1 Kostenstellen 1.1 Was sind Kostenstellen? 1.2 Kostenstellen in der 2 Kostenstellen in Webling 2.1 Kostenstellen erstellen
MehrCookies. Krishna Tateneni Jost Schenck Übersetzer: Jürgen Nagel
Krishna Tateneni Jost Schenck Übersetzer: Jürgen Nagel 2 Inhaltsverzeichnis 1 Cookies 4 1.1 Regelungen......................................... 4 1.2 Verwaltung..........................................
MehrNachricht der Kundenbetreuung
Cisco WebEx: Service-Pack vom [[DATE]] für [[WEBEXURL]] Sehr geehrter Cisco WebEx-Kunde, Cisco WebEx sendet diese Mitteilung an wichtige Geschäftskontakte unter https://[[webexurl]]. Ab Samstag, 1. November
MehrKapiteltests zum Leitprogramm Binäre Suchbäume
Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm
MehrTeamSpeak3 Einrichten
TeamSpeak3 Einrichten Version 1.0.3 24. April 2012 StreamPlus UG Es ist untersagt dieses Dokument ohne eine schriftliche Genehmigung der StreamPlus UG vollständig oder auszugsweise zu reproduzieren, vervielfältigen
MehrWerbemittelverwaltung
Werbemittelverwaltung 1 Inhaltsverzeichnis Werbemittelverwaltung...1 Ihr Nutzen...3 Notwendige Stammdateneinstellungen...4 Das Anlegen einer Gruppe:... 4 Das Anlegen der Gruppeneinträge (Auswahl):... 4
MehrWERKZEUG KUNDENGRUPPEN BILDEN
Integrierter MarketinXervice Dr. Rüdiger Alte Wilhelm-Busch-Straße 27 99099 Erfurt Tel.: 0361 / 55 45 84 38 WERKZEUG GRUPPEN BILDEN Die folgenden Fragen mögen Ihnen helfen, Kriterien aufzustellen, anhand
MehrEr musste so eingerichtet werden, dass das D-Laufwerk auf das E-Laufwerk gespiegelt
Inhaltsverzeichnis Aufgabe... 1 Allgemein... 1 Active Directory... 1 Konfiguration... 2 Benutzer erstellen... 3 Eigenes Verzeichnis erstellen... 3 Benutzerkonto erstellen... 3 Profil einrichten... 5 Berechtigungen
MehrHow to do? Projekte - Zeiterfassung
How to do? Projekte - Zeiterfassung Stand: Version 4.0.1, 18.03.2009 1. EINLEITUNG...3 2. PROJEKTE UND STAMMDATEN...4 2.1 Projekte... 4 2.2 Projektmitarbeiter... 5 2.3 Tätigkeiten... 6 2.4 Unterprojekte...
MehrKonzentration auf das. Wesentliche.
Konzentration auf das Wesentliche. Machen Sie Ihre Kanzleiarbeit effizienter. 2 Sehr geehrte Leserin, sehr geehrter Leser, die Grundlagen Ihres Erfolges als Rechtsanwalt sind Ihre Expertise und Ihre Mandantenorientierung.
MehrSkills-Management Investieren in Kompetenz
-Management Investieren in Kompetenz data assessment solutions Potenziale nutzen, Zukunftsfähigkeit sichern Seite 3 -Management erfolgreich einführen Seite 4 Fähigkeiten definieren und messen Seite 5 -Management
MehrBusiness Intelligence Aufgabenstellung
Hochschule Darmstadt Business Intelligence (BI) Fachbereich Informatik Praktikum 3 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Sebastian Gobst Datum: 30.05.2012 Business Intelligence Aufgabenstellung
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
MehrWeb-Kürzel. Krishna Tateneni Yves Arrouye Deutsche Übersetzung: Stefan Winter
Krishna Tateneni Yves Arrouye Deutsche Übersetzung: Stefan Winter 2 Inhaltsverzeichnis 1 Web-Kürzel 4 1.1 Einführung.......................................... 4 1.2 Web-Kürzel.........................................
MehrSpezialisierung Business Intelligence
Spezialisierung Business Intelligence Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg peter.becker@h-brs.de 10. Juni 2015 Was ist Business Intelligence? Allgemein umfasst der Begriff Business
MehrWeiterverarbeitung Leseranfragen
Weiterverarbeitung Leseranfragen Schulungsunterlage Inhaltsverzeichnis Thema Seite 1. Einführung 2 2. Weiterverarbeitung Vorbereitungen 2 3. Weiterverarbeitung Excel-Datei mit dem Seriendokument verbinden
MehrOutlook. sysplus.ch outlook - mail-grundlagen Seite 1/8. Mail-Grundlagen. Posteingang
sysplus.ch outlook - mail-grundlagen Seite 1/8 Outlook Mail-Grundlagen Posteingang Es gibt verschiedene Möglichkeiten, um zum Posteingang zu gelangen. Man kann links im Outlook-Fenster auf die Schaltfläche
MehrMandant in den einzelnen Anwendungen löschen
Mandant in den einzelnen Anwendungen löschen Bereich: ALLGEMEIN - Info für Anwender Nr. 6056 Inhaltsverzeichnis 1. Allgemein 2. FIBU/ANLAG/ZAHLUNG/BILANZ/LOHN/BELEGTRANSFER 3. DMS 4. STEUERN 5. FRISTEN
MehrInformatik 12 Datenbanken SQL-Einführung
Informatik 12 Datenbanken SQL-Einführung Gierhardt Vorbemerkungen Bisher haben wir Datenbanken nur über einzelne Tabellen kennen gelernt. Stehen mehrere Tabellen in gewissen Beziehungen zur Beschreibung
MehrBeschreibung des MAP-Tools
1. Funktionen des MAP-Tool 2. Aufbau des MAP-Tools 3. Arbeiten mit dem MAP-Tool Beschreibung MAP-Tool.doc Erstellt von Thomas Paral 1 Funktionen des MAP-Tool Die Hauptfunktion des MAP-Tools besteht darin,
MehrKurzanleitung zur Softwareverteilung von BitDefender Produkten...2
Kurzanleitung zur Softwareverteilung von Kurzanleitung zur Softwareverteilung von BitDefender Produkten...2 I. BitDefender Management Agenten Verteilung...2 1.1. Allgemeine Bedingungen:... 2 1.2. Erste
MehrAuszüge eines Vortrags von Axel Braunger im Rahmen der TOPIX Tour 2009
Ressourcenplanung Auszüge eines Vortrags von Axel Braunger im Rahmen der TOPIX Tour 2009 28.09.09 bis 08.10.09 TOPIX Informationssysteme AG Ressourcenplanung Grundlagen Im Zuge des Aufbaus der Ressourcenplanung
MehrHandbuch zur Anlage von Turnieren auf der NÖEV-Homepage
Handbuch zur Anlage von Turnieren auf der NÖEV-Homepage Inhaltsverzeichnis 1. Anmeldung... 2 1.1 Startbildschirm... 3 2. Die PDF-Dateien hochladen... 4 2.1 Neue PDF-Datei erstellen... 5 3. Obelix-Datei
MehrCookies Cookies E-Mail-Marketing Live Chat Analytik
Cookies Cookies Was ist ein Cookie? Ein Cookie ist eine Datei, die von einem Internetserver in Ihrem Browser oder auf Ihrem Gerät installiert wird. Das Cookie ermöglicht es dem Server, Ihre Erfahrung zu
MehrSchritt 1: Verwenden von Excel zum Erstellen von Verbindungen mit SQL Server-Daten
1 von 5 12.01.2013 17:59 SharePoint 2013 Veröffentlicht: 16.10.12 Zusammenfassung: Informationen zur Verwendung von Excel zum Erstellen und Freigeben von Verbindungen mit SQL Server-Daten, mit deren Hilfe
MehrSchritt 1: Verwenden von Excel zum Erstellen von Verbindungen zu SQL Server Analysis Services-Daten
1 von 5 12.01.2013 17:58 SharePoint 2013 Veröffentlicht: 16.10.12 Zusammenfassung: Informationen zur Verwendung von Excel zum Erstellen und Freigeben einer Verbindung zu SQL Server Analysis Services-Daten,
Mehr