Teil II: Architektur eines Data-Warehouse-Systems... 57
|
|
- Irma Raske
- vor 5 Jahren
- Abrufe
Transkript
1 O:/Wiley/Reihe_Dummies/ _Gerken/3d/ftoc.3d from :02:02 Auf einen Blick Einleitung Teil I: Was ist ein Data Warehouse? Kapitel 1: Ein Beispiel zur Einführung Kapitel 2: Das Data Warehouse im Umfeld der betrieblichen Informationssysteme.. 35 Kapitel 3: Definition und Abgrenzung des Begriffs»Data Warehouse« Teil II: Architektur eines Data-Warehouse-Systems Kapitel 4: Überblick über die Architektur eines Data-Warehouse-Systems Kapitel 5: Der ETL-Prozess Kapitel 6: Die Basisdatenbank Kapitel 7: Das Analyse-Subsystem Kapitel 8: Metadaten Teil III: Anwendungsbereiche für ein Data Warehouse Kapitel 9: Reporting Kapitel 10: Online Analytical Processing Kapitel 11: Data Mining Teil IV: Modellierung eines Data-Warehouse-Systems Kapitel 12: Data Vault Kapitel 13: Semantischer Entwurf eines Data Warehouse Kapitel 14: Relationale Modellierung der Datenwürfel Teil V: Zugriff auf ein Data Warehouse Kapitel 15: Multidimensionale Abfragen mit SQL Kapitel 16: Die Abfragesprache MDX Kapitel 17: Zusammenspiel von MDX und SQL Teil VI: Speicherung und Optimierung auf Datenbankebene..247 Kapitel 18: ROLAP, MOLAP und anderes Kapitel 19: Optimierungsmöglichkeiten bei relationalen Datenbanken
2 O:/Wiley/Reihe_Dummies/ _Gerken/3d/ftoc.3d from :02:02 10 Auf einen Blick Teil VII: Der Top-10-Teil Kapitel 20: 10 Schritte auf dem Weg zu Ihrem ersten Dashboard Kapitel 21: 10 Schritte, die helfen, die richtige Data-Warehouse-Software zu finden Kapitel 22: 10 Übungsaufgaben zur Wiederholung Literaturverzeichnis Stichwortverzeichnis...317
3 O:/Wiley/Reihe_Dummies/ _Gerken/3d/ftoc2.3d from :02:20 Inhaltsverzeichnis Einleitung Über dieses Buch Konventionen in diesem Buch Was Sie nicht lesen müssen Törichte Annahmen über den Leser Wie dieses Buch aufgebaut ist Teil I: Was ist ein Data Warehouse? Teil II: Architektur eines Data-Warehouse-Systems Teil III: Anwendungsbereiche für ein Data Warehouse Teil IV: Modellierung eines Data-Warehouse-Systems Teil V: Zugriff auf ein Data Warehouse Teil VI: Speicherung und Optimierung auf Datenbankebene Teil VII: Der Top-10-Teil Symbole, die in diesem Buch verwendet werden Wie es weitergeht TEIL I WAS IST EIN DATA WAREHOUSE? Kapitel 1 Ein Beispiel zur Einführung Daten und ihre Verarbeitung Daten und Datenbanken Die Verarbeitung von Daten Analyse von Absatzmengen und Planzahlen als Beispiel Besonderheiten analytischer Aufgabenstellungen Wenn personenbezogene Daten ins Spiel kommen Kapitel 2 Das Data Warehouse im Umfeld der betrieblichen Informationssysteme Hierarchie betrieblicher Informationssysteme Zusammenfassung: Analytische Informationssysteme Beispiele für analytische Informationssysteme Beispiel 1: Analytische Informationssysteme im CRM Beispiel 2: Kennzahlen-Analysesysteme im Rechnungswesen Beispiel 3: Website-Analysesysteme Fazit: Data Warehouse und analytische Informationssysteme
4 O:/Wiley/Reihe_Dummies/ _Gerken/3d/ftoc2.3d from :02:20 12 Inhaltsverzeichnis Kapitel 3 Definition und Abgrenzung des Begriffs»Data Warehouse«.. 47 Die 3-Schichten-Architektur analytischer Informationssysteme Definitionen des Begriffs Data Warehouse Definition von Inmon Definition von Kimball Vergleich der beiden Definitionen Anwendungsfall: Das Data Warehouse und Business Intelligence TEIL II ARCHITEKTUR EINES DATA-WAREHOUSE-SYSTEMS Kapitel 4 Überblick über die Architektur eines Data-Warehouse-Systems Die Phasen des Data Warehousing Ein allgemeines Data-Warehouse-Architekturmodell Vorgehensweisen bei der Erstellung eines Data Warehouse Projektdefinition und Machbarkeitsstudie Analyse, Entwurf und Einführung für einen Anwendungsbereich Kapitel 5 Der ETL-Prozess Überblick Ein einführendes Beispiel Extraktion Das Pull-Prinzip Das Push-Prinzip Beispiele Transformation Datenbestandsanalyse Datenbereinigung Datenintegration Laden Kapitel 6 Die Basisdatenbank Merkmale der Basisdatenbank Unterschied zwischen operativen Datenbanken und der Basisdatenbank Die operativen Quellsysteme des Beispiels Die Basisdatenbank des Beispiels
5 O:/Wiley/Reihe_Dummies/ _Gerken/3d/ftoc2.3d from :02:20 Inhaltsverzeichnis 13 Kapitel 7 Das Analyse-Subsystem Dimensionen und Fakten Dimension oder Metrik? Metriken als Dimension Dimensionen als Metrik Klassifizierung von Dimensionen Fachliche Dimensionen Kategorische Dimensionen Strukturelle Dimensionen Hierarchien von Dimensionswerten Parallele Hierarchien Unausgeglichene Hierarchiebäume Strukturänderungen in Hierarchien Slowly Changing Dimensions Typ 1: Überschreiben Typ 2: Neue Zeile Typ 3: Spalten mit altem und neuem Wert Typ 4: Mini-Dimension Zusammenfassung Verknüpfung von Dimensionen über Metriken Aggregationstypen von Fakten Die Themen Datenqualität und Datenschutz Datenqualität Datenschutz Architekturvarianten für ein Analyse-Subsystem Möglichkeiten für die Architektur Die Hub-and-Spoke-Architektur Auswertungen und Analysen Kapitel 8 Metadaten Was sind Metadaten? Metadaten im Data-Warehouse-Kontext Das Metadaten-Management in einem Data-Warehouse-System Standards für Data-Warehouse-Metadaten Ein kleines Beispiel TEIL III ANWENDUNGSBEREICHE FÜR EIN DATA WAREHOUSE Kapitel 9 Reporting Das Berichtswesen eines Unternehmens Überblick und Definition Erzeugung und Verteilung von Reports
6 O:/Wiley/Reihe_Dummies/ _Gerken/3d/ftoc2.3d from :02:21 14 Inhaltsverzeichnis Arten von Berichtssystemen Was sich Anwender vom Reporting wünschen und wie die Wirklichkeit oft aussieht Einige Tipps für die Report-Gestaltung Graphische Darstellungen im Report Die Hichert-Success-Regeln Grundformen für Reports Ist-Ist-Vergleiche Plan-Ist-Vergleiche Plan-Wird-Vergleiche Berücksichtigung dynamischer Dimensionsstrukturen Report as-is Report as-of Report as-posted Ein praktisches Beispiel Kapitel 10 Online Analytical Processing Motivation und Definition Charakteristika von OLAP Abgrenzung OLAP und OLTP Die Coddschen Regeln FASMI Spezielle OLAP-Operatoren Pivotierung bzw. Rotation Roll-up und Drill-down Slice und Dice Beispiel Kapitel 11 Data Mining Einführung CRISP-DM Methoden und Verfahren beim Data Mining Assoziationsanalyse Clusteranalyse Klassifikation mit der Diskriminanzanalyse Entscheidungsbaumverfahren Spezielle Data-Mining-Fragestellungen im Kontext von Data-Warehouse-Daten Welche Artikel werden gemeinsam gekauft? Unterscheiden sich gute, normale und schlechte Kunden? Welche Kunden besitzen eine bestimmte Produktaffinität? Praxisbeispiel»Predictive Analytics« Kollaboratives Filtern
7 O:/Wiley/Reihe_Dummies/ _Gerken/3d/ftoc2.3d from :02:21 Inhaltsverzeichnis 15 TEIL IV MODELLIERUNG EINES DATA-WAREHOUSE-SYSTEMS Kapitel 12 Data Vault Einführung Hubs, Satelliten und Links Hubs Links Satelliten Beispiel Kapitel 13 Semantischer Entwurf eines Data Warehouse Zur Wiederholung: das Entity-Relationship-Modell Drei Schritte bei der Modellierung einer Datenbank Das ER-Modell: Entitätstypen, Attribute und Beziehungen Das multidimensionale ER-Modell ADAPT Kapitel 14 Relationale Modellierung der Datenwürfel Einführung Das Star-Schema Beispiel Besondere Merkmale des Star-Schemas Das Snowflake-Schema Vergleich von Star- und Snowflake-Schema Das Galaxy-Schema TEIL V ZUGRIFF AUF EIN DATA WAREHOUSE Kapitel 15 Multidimensionale Abfragen mit SQL Zugriff auf ein Data Warehouse mit SQL Erzeugen der Tabellen Typische analytische Fragestellungen OLAP-Erweiterungen von SQL Die WINDOW-Klausel Erweiterungen der GROUP-BY-Option Statistische Funktionen
8 O:/Wiley/Reihe_Dummies/ _Gerken/3d/ftoc2.3d from :02:21 16 Inhaltsverzeichnis Kapitel 16 Die Abfragesprache MDX Einführung Spezielle OLAP-Operatoren und Funktionen Tupel und Sets Member und Children Kreuzprodukt mittels Crossjoin Der WITH-Operator Häufige Fragestellungen Kapitel 17 Zusammenspiel von MDX und SQL OLAP-Server Der OLAP-Server Mondrian MDX-Schema von Mondrian Mondrian-Frontend-Tools TEIL VI SPEICHERUNG UND OPTIMIERUNG AUF DATENBANKEBENE Kapitel 18 ROLAP, MOLAP und anderes ROLAP und MOLAP Spaltenorientierte und In-Memory-Speicherung NoSQL-Datenbanksysteme Typen von NoSQL-Systemen NoSQL-Datenbanken bei einem Data Warehouse Beurteilung Kapitel 19 Optimierungsmöglichkeiten bei relationalen Datenbanken..265 Einführung Partitionierung Partition by List Partition by Range Partition by Hash Partition by Reference Materialized Views Klassische Views vs. Materialized Views Materialized Views bei einem Data Warehouse Indizierung Klassischer Index Bitmap-Index Mehrdimensionale Indizes
9 O:/Wiley/Reihe_Dummies/ _Gerken/3d/ftoc2.3d from :02:22 Inhaltsverzeichnis 17 TEIL VII DER TOP-10-TEIL Kapitel Schritte auf dem Weg zu Ihrem ersten Dashboard Und so wird es gemacht Festlegung der Datenquellen Vorbereitung der Daten Erstellung eines Dashboards Daten aus mehreren Quellen Integration von Landkarten Kapitel Schritte, die helfen, die richtige Data-Warehouse-Software zu finden Marktanalyse für BI-Software Definition der eigenen Anforderungen Einbindung des Managements, Projektplan Marktanalyse der infrage kommenden BI-Anbieter Einholung von Angeboten Durchführung von Testinstallationen Bewertung der Systeme Ermittlung der Kosten Einholung von Referenzen, Anbieterqualifikation Überprüfung der Lizenzvereinbarung Kapitel Übungsaufgaben zur Wiederholung Aufgaben Aufgabe 1: Assoziationsanalyse Aufgabe 2: Diskriminanzanalyse Aufgabe 3: Data Vault Aufgabe 4: ADAPT Aufgabe 5: MDX Aufgabe 6: Star-Schema Aufgabe 7: OLAP mit SQL Aufgabe 8: Snowflake-Schema Aufgabe 9: Optimierung Aufgabe 10: Multidimensionale Datenbank Lösungen Lösung von Aufgabe Lösung von Aufgabe Lösung von Aufgabe Lösung von Aufgabe Lösung von Aufgabe
10 O:/Wiley/Reihe_Dummies/ _Gerken/3d/ftoc2.3d from :02:22 18 Inhaltsverzeichnis Lösung von Aufgabe Lösung von Aufgabe Lösung von Aufgabe Lösung von Aufgabe Lösung von Aufgabe Literaturverzeichnis Stichwortverzeichnis...317
1 Business-Intelligence-Architektur 1
D3kjd3Di38lk323nnm xi 1 Business-Intelligence-Architektur 1 1.1 Data Warehouse....................................... 1 1.2 OLAP und mehrdimensionale Datenbanken.................. 4 1.3 Architekturvarianten....................................
MehrInhaltsübersicht...IX Inhaltsverzeichnis...XI Abbildungsverzeichnis...XVII Tabellenverzeichnis... XXIII Abkürzungsverzeichnis...
Inhaltsübersicht...IX Inhaltsverzeichnis...XI Abbildungsverzeichnis...XVII Tabellenverzeichnis... XXIII Abkürzungsverzeichnis... XXV 1 Einführung... 1 1.1 Problemstellung... 1 1.2 Zielsetzung... 3 1.3
MehrData Warehouse Grundlagen
Seminarunterlage Version: 2.13 Version 2.13 vom 27. August 2018 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen
MehrVeit Köppen Gunter Saake Kai-Uwe Sattler. 2. Auflage. Data Warehouse Technologien
Veit Köppen Gunter Saake Kai-Uwe Sattler 2. Auflage Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis ix 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...
MehrInhaltsverzeichnis. 1 Einleitung Motivation und Umfeld Zielsetzung der Arbeit Methodisches Vorgehen und Aufbau der Arbeit 3
Inhaltsverzeichnis 1 Einleitung 1 1.1 Motivation und Umfeld 1 1.2 Zielsetzung der Arbeit 2 1.3 Methodisches Vorgehen und Aufbau der Arbeit 3 2 Grundlagen des Feuerwehrwesens 5 2.1 Kategorisierung der Feuerwehren
MehrEinleitung 19. Teil I Einführung in Datenbanksysteme 25. Kapitel 1 Wozu Datenbanksysteme da sind 27
Inhaltsverzeichnis Einleitung 19 Über dieses Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Törichte Annahmen über den Leser 21 Wie dieses Buch aufgebaut ist 22 Teil I: Einführung
MehrData Warehouse Technologien
Veit Köppen Gunter Saake Kai-Uwe Sattler Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis vii 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...............
MehrInhaltsverzeichnis. vii.
vii 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt 2 1.2 OLTP versus OLAP 4 1.2.1 OLAP-versus OLTP-Transaktionen 5 1.2.2 Vergleich von OLTP und OLAP 6 1.2.3 Abgrenzung: DBMS-Techniken
MehrBusiness Intelligence & Reporting. Michael Cordes Holger Oehring Matthias Rein
Business Intelligence & Reporting Michael Cordes Holger Oehring Matthias Rein Ziele Einführung Business Intelligence / Front Room Online Analytical Processing (OLAP) Arten des Reporting & Nutzergruppen
MehrData Warehouse Grundlagen
Seminarunterlage Version: 2.10 Version 2.10 vom 24. Juli 2015 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen
MehrAnfragen an multidimensionale Daten
Anfragen an multidimensionale Daten Alexander Heidrich - BID8 09.06.2005 Hintergrundbild: http://www.csc.calpoly.edu/~zwood/teaching/csc471/finalproj02/afternoon/mfouquet/cube.jpg Inhaltsübersicht Motivation
MehrMultidimensionale Konzepte zur Controlling- Unterstützung in kleinen und mittleren Unternehmen
Tatjana Tegel Multidimensionale Konzepte zur Controlling- Unterstützung in kleinen und mittleren Unternehmen Deutscher Universitäts-Verlag Inhaltsverzeichnis Abkürzungsverzeichnis 1 Einleitung 2 Merkmale
MehrDatenbanken Grundlagen und Design
Frank Geisler Datenbanken Grundlagen und Design 3., aktualisierte und erweiterte Auflage mitp Vorwort 15 Teil I Grundlagen 19 i Einführung in das Thema Datenbanken 21 i.i Warum ist Datenbankdesign wichtig?
MehrZWISCHEN ALBTRAUM UND OPTIMALER PERFORMANCE
ZWISCHEN ALBTRAUM UND OPTIMALER PERFORMANCE Indexierungsstrategie im Data Warehouse Dani Schnider, Trivadis AG DOAG Konferenz, Nürnberg BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR.
MehrData Warehousing. Sommersemester Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Sommersemester 2004 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte
MehrData Warehouse Technologien
mitp Professional Data Warehouse Technologien von Veit Köppen, Gunter Saake, Kai-Uwe Sattler 2. Auflage 2014 Data Warehouse Technologien Köppen / Saake / Sattler schnell und portofrei erhältlich bei beck-shop.de
MehrData-Warehouse-Praktikum
Data-Warehouse-Praktikum WS 18/19 Universität Leipzig, Institut für Informatik Abteilung Datenbanken Prof. Dr. E. Rahm V. Christen, M. Franke, Z. Sehili {christen, franke, sehili}@informatik.uni-leipzig.de
MehrInhaltsverzeichnis. Teil I OLAP und der Microsoft SQL-Server 1. 1 Theoretische Grundlagen 3
vii Teil I OLAP und der Microsoft SQL-Server 1 1 Theoretische Grundlagen 3 1.1 Was ist OLAP?......................................... 3 1.1.1 Business Intelligence............................... 4 1.1.2
MehrInhaltsverzeichnis. 1 Einleitung 1. 2 Aufbau von Data-Warehouse-Systemen 15. Lehner, Wolfgang Datenbanktechnologie für Data-Warehouse-Systeme 2003
1 Einleitung 1 1.1 Betriebswirtschaftlicher Ursprung des Data Warehousing 2 1.2 Statistischer Ursprung des Data Warehousing 5 1.3 Fòderativer Ursprung des Data Warehousing 7 1.4 Definition eines Data-Warehouse-Systems
MehrCommon Warehouse Metamodel und Imperfektion
Common Warehouse Metamodel und Imperfektion Christoph Goebel Imperfektion und erweiterte Konzepte im Data Warehousing 2 Fragestellungen Welche Bedeutung haben Metadaten in der Information Supply Chain
MehrInformationsgenerierung mit Business-Intelligence-Technologien... 99
Inhaltsverzeichnis Seite Abbildungsverzeichnis...XIII Tabellenverzeichnis... XVII Abkürzungsverzeichnis...XIX 1 Forschungsbedarf in der Unternehmenssteuerung... 1 1.1 Stand der Forschung und Motivation...
MehrCorporate Performance Management mit Business Intelligence Werkzeugen
Corporate Performance Management mit Business Intelligence Werkzeugen von Karsten Oehler 1. Auflage Hanser München 2006 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 40485 4 Zu Leseprobe schnell
MehrDatenbanken. Datenbanken. Grundlagen und Design. Grundlagen und Design. Frank. Geisler. 4. Auflage
Datenbanksysteme, Datenbankanwendungen und Middleware Das relationale Datenbankmodell ER-Datenbankmodellierung und Normalisierung SQL-Grundlagen Projektablauf bei der Erstellung einer Datenbank Transaktionen
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
MehrWie modelliere ich mein Core Data Warehouse?
Wie modelliere ich mein Core Data Warehouse? Dani Schnider Trivadis AG Zürich/Glattbrugg, Schweiz Schlüsselworte: Data Warehouse, Datenmodellierung, Historisierung Einleitung Das Core dient im Data Warehouse
MehrUnterstützung der Unternehmenssteuerung durch Data Warehouses mit ganzheitlicher Sicht auf Daten aus operativen Systemen
Rückblick Unterstützung der Unternehmenssteuerung durch Data arehouses mit ganzheitlicher Sicht auf Daten aus operativen Systemen Online Transaction Processing (OLTP) und Online Analytical Processing unterscheiden
MehrUnterstützung der Unternehmenssteuerung durch Data Warehouses mit ganzheitlicher Sicht auf Daten aus operativen Systemen
Rückblick Unterstützung der Unternehmenssteuerung durch Data arehouses mit ganzheitlicher Sicht auf Daten aus operativen Systemen Online Transaction Processing (OLTP) und Online Analytical Processing unterscheiden
MehrAKTUELLE LÖSUNGSARCHITEKTUR DER SAP IM BEREICH BUSINESS INTELLIGENCE UND ANALYTICS
AKTUELLE LÖSUNGSARCHITEKTUR DER SAP IM BEREICH BUSINESS INTELLIGENCE UND ANALYTICS X-CASE Trainer-/Expertentreffen 2018 S/4HANA, BW/4HANA und SAP-Entwicklung Aktuelle Neuerungen Vorstellung Jörg Bauditz
MehrOLAP mit dem SQL-Server
Hartmut Messerschmidt Kai Schweinsberg OLAP mit dem SQL-Server Eine Einführung in Theorie und Praxis IIIBibliothek V dpunkt.verlag Teil OLAP undder Microsoft SQL-Server 1 1 Theoretische Grundlagen 3 1.1
MehrDatenbanken - Grundlagen und Design
mitp Professional Datenbanken - Grundlagen und Design von Frank Geisler überarbeitet Datenbanken - Grundlagen und Design Geisler schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG mitp/bhv
MehrDie Reihe Xpert.press vermittelt Professionals in den Bereichen Softwareentwicklung, Internettechnologie und IT-Management aktuell und kompetent
Die Reihe Xpert.press vermittelt Professionals in den Bereichen Softwareentwicklung, Internettechnologie und IT-Management aktuell und kompetent relevantes Fachwissen über Technologien und Produkte zur
MehrData Warehouse (DWH) / (Business Intelligence, BI )
Data Warehouse (DWH) / (Business Intelligence, BI ) Begriffsbildung: Ein Data Warehouse ist eine themenorientierte, integrierte, zeitabhängige, nichtflüchtigedatenbank fürdie Unterstützung von Managemententscheidungen
MehrBusiness Intelligence für Controller
Controllers Best Practice Fachbuch Business Intelligence für Controller Hermann Hebben und Dr. Markus Kottbauer Verlag für ControllingWissen ÄG, Freiburg und Wörthsee Ein Unternehmen der Haufe Mediengruppe
MehrModellierung von OLAP- und Data- Warehouse-Systemen
Andreas Totok Modellierung von OLAP- und Data- Warehouse-Systemen Mit einem Geleitwort von Prof. Dr. Burkhard Huch Deutscher Universitäts-Verlag Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis
MehrBetrachtung der neuen OLAP Ansätze von Oracle 10g
Mittwoch, 9. November 2005 14h00, Variohalle 2 Betrachtung der neuen OLAP Ansätze von Oracle 10g Sven Bosinger, Bereichsleiter BI OPITZ CONSULTING GmbH, Gummersbach Schlüsselworte: Oracle OLAP Option,
MehrINDEXIERUNGS- STRATEGIE IM DATA WAREHOUSE
INDEXIERUNGS- STRATEGIE IM DATA WAREHOUSE ZWISCHEN ALBTRAUM UND OPTIMALER PERFORMANCE DOAG Konferenz 2011 Dani Schnider Trivadis AG Nürnberg, BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG
MehrÜbung zur Einführung in die Wirtschaftsinformatik Cognos Powerplay als Beispiel für ein DSS
Übung zur Einführung in die Wirtschaftsinformatik 2006-05 - 10 Cognos Powerplay als Beispiel für ein DSS 1 Entscheidungsunterstützungssysteme (EUS) Decision Support Systems (DSS) EUS sollen das gemeinsame
MehrOLAP und Data Warehouses
OLP und Data Warehouses Überblick Monitoring & dministration Externe Quellen Operative Datenbanken Extraktion Transformation Laden Metadaten- Repository Data Warehouse OLP-Server nalyse Query/Reporting
MehrDie Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com
Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick Volker.Hinz@microsoft.com Was sagt der Markt? Fakten Meinung der Analysten zu Microsofts Angeboten Nutzen
MehrStudierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen
Praxistag für die öffentliche Verwaltung 2012 Titel Präsentation Studierenden-Kennzahlen im Griff dank flexiblem Reporting und Ad-hoc-Analysen Referenten-Info Gerhard Tschantré, Leiter Controllerdienste
MehrZusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware Falk Neubert, Universität Osnabrück
Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware 14. März 2013, IHK Osnabrück-Emsland-Grafschaft Bentheim Geschichte Kassenbuch des Liederkranz, 1886 Hutmachergesangvereins
MehrOnline Kurse Modulbeschreibungen
Online Kurse Modulbeschreibungen K0100 SQL Basics M0101 DB Theorie Dieses Modul führt in die Thematik von Datenbanken und deren grundlegenden Begriffen und Konzepten ein. Es werden Fragen beantwortet,
MehrÜbersicht SAP-BI. DOAG Regionaltreffen
Übersicht SAP-BI DOAG Regionaltreffen 14.12.2010 Übersicht Überblick BI Datenablage Datenfluß im BI Analysen Sonstiges - Schlüsselbereiche des BI - Wo werden die Daten gespeichert? - Wie kommen die Daten
MehrBusiness Intelligence
Hochschule Darmstadt Business Intelligence Fachbereich Informatik Praktikumsaufgabe 3 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.06.2007 Business Intelligence Aufgabenstellung 1.
MehrMultidimensionale Modellierung
Multidimensionale Modellierung Vorlesung: Übung: Patrick Schäfer Berlin, 27. November 2017 patrick.schaefer@hu-berlin.de https://hu.berlin/vl_dwhdm17 https://hu.berlin/ue_dwhdm17 Grundlagen Fakten (Kennzahlen/Messgrößen):
MehrDWH Best Practices das QUNIS Framework 80 Jahre Erfahrung bei der Modellierung & dem Betrieb von DWH. Referent: Ilona Tag
DWH Best Practices das QUNIS Framework 80 Jahre Erfahrung bei der Modellierung & dem Betrieb von DWH Referent: Ilona Tag Agenda 10.00 10.30 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.30 11.00 11.00
MehrData Warehousing. Sommersemester 2005. Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Sommersemester 2005 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte
MehrWeiterbildung. Modul: Business Analytics - Angewandte Datenanalyse Inhaltliches Konzept. Weitere Informationen:
Modul: Business Analytics - Angewandte Datenanalyse Inhaltliches Konzept Weitere Informationen: www.fhms.eu/analytics Fachhochschule Münster Münster School of Business Corrensstraße 25 Trakt C, 5. Etage
MehrEinführung relationale Datenbanken. Themenblock: Erstellung eines Cube. Schlüssel. Relationenmodell Relationenname Attribut. Problem.
Themenblock: Erstellung eines Cube Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Praktikum: Data Warehousing und Data Mining Idee Speicherung der Daten in Form von Tabellen
MehrDWH Automatisierung mit Data Vault 2.0
DWH Automatisierung mit Data Vault 2.0 Andre Dörr Trevisto AG Nürnberg Schlüsselworte Architektur, DWH, Data Vault Einleitung Wenn man die Entwicklung von ETL / ELT Prozessen für eine klassische DWH Architektur
MehrThemenblock: Erstellung eines Cube
Themenblock: Erstellung eines Cube Praktikum: Data Warehousing und Data Mining Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Idee Speicherung der Daten in Form von Tabellen
Mehrdie Wohnungswirtschaft
Martin Reifberger Entwicklung von Data-Warehouse-Systemen für die Wohnungswirtschaft Modellierug und Aufbau im Kontext raumbezogener Daten Verlag Dr. Kovac Hamburg 2016 Inhaltsverzeichnis VORWORT ABBILDUNGSVERZEICHNIS
MehrVorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII
Vorwort zur zweiten Auflage...V Vorwort zur ersten Auflage... VIII 1 Management Support Systeme und Business Intelligence Anwendungssysteme zur Unterstützung von Managementaufgaben...1 1.1 Computergestützte
MehrAnfragesprachen für On-Line Analytical Processing (OLAP)
Anfragesprachen für On-Line Analytical Processing (OLAP) Seminar Business Intelligence Teil I: OLAP & Data Warehousing René Rondot rondot@informatik.uni-kl.de Universität Kaiserslautern Anfragesprachen
MehrKlein anfangen und groß rauskommen mit Data Vault 2.0 Leif Hitzschke & Dajana Schleuß
Klein anfangen und groß rauskommen mit Data Vault 2.0 Leif Hitzschke & Dajana Schleuß Hamburg, den 16.09.2016 Der führende B2B-Marktplatz wlw.de wlw.at wlw.ch Agenda 1. wlw das Unternehmen 2. BI im Überblick
MehrKapitel 6. Vorlesung: PD Dr. Peer Kröger
Kapitel 6 Einführung in Data Warehouses Vorlesung: PD Dr. Peer Kröger Dieses Skript basiert auf den Skripten zur Vorlesung Datenbanksysteme II an der LMU München Dieses Skript basiert auf den Skripten
MehrNutzung der Oracle Database InMemory Option für SAP BW
Nutzung der Oracle Database InMemory Option für SAP BW Schlüsselworte Oracle, SAP-BW, InMemory, Star-Schema. Jörn Bartels Oracle München Einleitung In SAP BW wurde bisher ein erweitertes Snow Flake Schema
MehrInhaltsverzeichnis. Lothar Piepmeyer. Grundkurs Datenbanksysteme. Von den Konzepten bis zur Anwendungsentwicklung ISBN:
Lothar Piepmeyer Grundkurs Datenbanksysteme Von den Konzepten bis zur Anwendungsentwicklung ISBN: 978-3-446-42354-1 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-42354-1
MehrErfolg mit Oracle BI?
Erfolg mit Oracle BI? Typische Fehlerszenarien und deren Lösung Gerd Aiglstorfer G.A. itbs GmbH Das Thema 2 Oracle BI (OBIEE)? Das war eine Fehlentscheidung! Viel zu umständlich! Wenig Flexibilität & teure
MehrData Warehouse und Data Mining
Einführungsseminar Data Mining Seminarvortrag zum Thema: Data Warehouse und Data Mining Von gehalten am Betreuer: Dr. M. Grabert Einführung Problemstellung Seite 2 Einführung Unternehmen bekommen eine
MehrDie richtige Grafik als Zauberstab zur Mart Modellierung Referat vom
Die richtige Grafik als Zauberstab zur Mart Modellierung Referat vom 22.11.2016 Peter Brunner,NTTData Dr. Andrea Kennel, InfoPunkt Kennel GmbH Copyright 2014 NTT DATA EMEA Ltd. Die richtige Grafik als
MehrData Warehousing 0-1. Lehrveranstaltungen zu Datenbanken (WS09/10) DBS 2 (SS, 2+1) DBS2. Implementierung von DBS 1. Implementierung von DBS 2 IDBS1
Data Warehousing Kapitel 0: Organisatorisches Dr. Andreas Thor Wintersemester 2009/10 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 0-1 Lehrveranstaltungen zu Datenbanken (WS09/10)
Mehreevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator
eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator Agenda Was ist Business Intelligence? Was ist OLAP? Unterschied zwischen OLAP und OLTP? Bestandteile
MehrChristian Kurze BI-Praktikum IBM WS 2008/09
Einführung in die multidimensionale Datenmodellierung e mit ADAPT BI-Praktikum IBM WS 2008/09 1 Gliederung Einführung multidimensionale Datenmodellierung 1. Multidimensionales Modell BI-Praktikum IBM WS
MehrWissensmanagement und Innovation
Wissensmanagement und Innovation Referenzmodellierung zur Prozessoptimierung im Business-to-Business-Marketing von Dr. Paul Nikodemus Inhaltsverzeichnis Vorwort I Einführung l 1 Problemstellung 1 2 Zielbeschreibung
MehrA Big Data Change Detection System. Carsten Lanquillon und Sigurd Schacht
A Big Data Change Detection System Carsten Lanquillon und Sigurd Schacht Digitale Transformation in Unternehmen u Umfassende Erfassung, Speicherung und Verfügbarkeit von Daten à Big Data Quelle: Rolland
MehrBI Applications und E-Business Suite: Die perfekte Ergänzung
BI Applications und E-Business Suite: Die perfekte Ergänzung Ulf Köster Oracle Deutschland GmbH Stuttgart Schlüsselworte: Business Intelligence Applications, E-Business Suite, Datawarehouse, OBI EE Einleitung
MehrMarktübersicht: kostenlose BI-Tools Überblick Open Source Werkzeuge und Praxisbeispiele
Marktübersicht: kostenlose BI-Tools Überblick Open Source Werkzeuge und Praxisbeispiele Dimitri Keil dimitri.keil@eloum.net Informationsveranstaltung ebusiness-lotse Oberschwaben-Ulm Weingarten IHK Bodensee-Oberschwaben,
MehrEinführung. Überblick. Data-Warehouse-Technologien. Vorlesung
Vorlesung Data-Warehouse-Technologien Wintersemester 2002/2003 kus@iti.cs.uni-magdeburg.de http://wwwiti.cs.uni-magdeburg.de/~sattler/hal/dw.html Einführung Gegenstand der Vorlesung Data Warehouse: Sammlung
MehrRoadshow - What s new in SQL Server 2016
1 Roadshow - What s new in SQL Server 2016 Kursleitung: Dieter Rüetschi (ruetschi@ability-solutions.ch) 2 Inhalt Fachreferat Everything-Built-In Mission Critical Plattform Security Hochverfügbarkeit Advanced
MehrData Warehousing Grundbegriffe und Problemstellung
Data Warehousing Grundbegriffe und Problemstellung Dr. Andrea Kennel, Trivadis AG, Glattbrugg, Schweiz Andrea.Kennel@trivadis.com Schlüsselworte Data Warehouse, Cube, Data Mart, Bitmap Index, Star Queries,
Mehrtdwi E U R D P E OPEN SOURCE BUSINESS INTELLIGENCE HANSER MÖGLICHKEITEN, CHANCEN UND RISIKEN QUELLOFFENER BI-LÖSUNGEN
OPEN SOURCE BUSINESS INTELLIGENCE MÖGLICHKEITEN, CHANCEN UND RISIKEN QUELLOFFENER BI-LÖSUNGEN uwehaneke Stephan TRAHASCH tobias HAGEN tobias LAUER (Hrsg.)' tdwi E U R D P E HANSER Vorwort 9 Einführung
MehrVereinfacht formuliert ist ein Data Warehouse eine spezielle Datenbank zur Unterstützung
O:/Wiley/Reihe_Dummies/9783527714476_Gerken/3d/c01.3d from 08.08.2018 14:03:05 IN DIESEM KAPITEL Was sind Daten? Auswertungen von Dateien und Datenbanken ohne Data Warehouse Reporting-Tools und analytische
MehrData Warehouse schnell gemacht Performanceaspekte im Oracle DWH
Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH Dani Schnider Principal Consultant Business Intelligence BI Trilogie, Zürich/Basel 25./26. November 2009 Basel Baden Bern Lausanne Zürich
MehrDatenbanken Unit 9: OLAP, OLTP, Data Warehouse Ranking Algorithmen
Datenbanken Unit 9: OLAP, OLTP, Data Warehouse Ranking Algorithmen 28. V. 2018 Outline 1 Organisatorisches 2 OLTP, OLAP, SAP, and Data Warehouse OLTP and OLAP SAP 3 Ranking 4 SQL Organisatorisches Ergebnisse
MehrWir bauen uns ein Data Warehouse mit MySQL
Wir bauen uns ein Data Warehouse mit MySQL Oli Sennhauser FromDual GmbH Uster / Schweiz Schlüsselworte MySQL, DWH, Data Warehouse, ETL, BI, Business Intelligence, OLAP Einleitung MySQL Datenbanken verbreiten
MehrData Warehousing 0-1. DBS-Module
Data Warehousing Sommersemester 2016 Prof. Dr. E. Rahm Universität Leipzig Institut für Informatik y y y http://dbs.uni-leipzig.de 0-1 DBS-Module Master-Studium Informatik 10-202-2215 Moderne Datenbanktechnologien
MehrMIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001
MIS Glossar by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001 Aggregat Data Cube Data Marts Data Mining Data Warehouse (DWH) Daten Decision Support Systeme (DSS)
MehrWAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE'
Take control of your decision support WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE' Sommersemester 2008 Gliederung Business Intelligence und Data Warehousing On-Line Analytical Processing Ziel
MehrAuf einen Blick. Abfrage und Bearbeitung. Erstellen einer Datenbank. Komplexe Abfragen. Vorwort... 13
Auf einen Blick Vorwort... 13 Teil 1 Vorbereitung Kapitel 1 Einleitung... 17 Kapitel 2 SQL der Standard relationaler Datenbanken... 21 Kapitel 3 Die Beispieldatenbanken... 39 Teil 2 Abfrage und Bearbeitung
MehrSQL/OLAP und Multidimensionalität in der Lehre
SQL/OLAP und Multidimensionalität in der Lehre Vortrag auf der DOAG 2008 Prof. Dr. Reinhold von Schwerin Hochschule Ulm, Fakultät für Informatik 1. Dezember 2008 Prof. Dr. Reinhold von Schwerin SQL/OLAP
MehrOracle In-Memory & Data Warehouse: Die perfekte Kombination?
Oracle In-Memory & Data Warehouse: Die perfekte Kombination? Dani Schnider Trivadis AG Zürich/Glattbrugg, Schweiz Einleitung Als Larry Ellison in einer Keynote im Juni 2014 die Oracle In-Memory Option
MehrE-Commerce-Controlling
Olaf Resch E-Commerce-Controlling Spezifika, Potenziale, Lösungen Mit einem Geleitwort von Prof. Dr. Gerhard Brosius Deutscher Universitäts-Verlag Inhaltsverzeichnis Geleitwort Vorwort Abbildungs- und
MehrOracle9i Data Warehouse Komponenten im praktischen Einsatz
Oracle9i Data Warehouse Komponenten im praktischen Einsatz Thomas Gutacker TechSpring GmbH 10. März 2004 Inhalt Data Warehouse Grundlagen Architektur des Projektes Umsetzung mit Oracle9i-Komponenten Data
MehrBARC-Studie Data Warehousing und Datenintegration
Ergebnisse der BARC-Studie Data Warehouse Plattformen Dr. Carsten Bange BARC-Studie Data Warehousing und Datenintegration Data-Warehouse -Plattformen und Datenintegrationswerkzeuge im direkten Vergleich
MehrAuf einen Blick. Abfrage und Bearbeitung. Erstellen einer Datenbank. Komplexe Abfragen. Vorwort 13
Auf einen Blick Vorwort 13 Teil 1 Vorbereitung Kapitel 1 Einleitung 17 Kapitel 2 SQL - der Standard relationaler Datenbanken 21 Kapitel 3 Die Beispieldatenbanken 39 Teil 2 Abfrage und Bearbeitung Kapitel
MehrZERO.ONE.DATA Die Bahn, ein agiler Tanker im Digitalisierungszeitalter. Gudio van Husen, Christopher Muth DB Systel GmbH Hanau
ZERO.ONE.DATA Die Bahn, ein agiler Tanker im Digitalisierungszeitalter Gudio van Husen, Christopher Muth DB Systel GmbH Hanau 28.02.2018 Foto: DB Systel DB Systel GmbH Die Digitalisierung der Bahn erfolgreich
MehrAnalytic Views: Einsatzgebiete im Data Warehouse
Analytic Views: Einsatzgebiete im Data Warehouse Dani Schnider Trivadis AG Zürich/Glattbrugg, Schweiz Einleitung Analytic Views sind eine der wesentlichen Erweiterungen in Oracle 12c Release 2. Durch zusätzliche
MehrAgile BI Was ist das eigentlich? Hochschule Ulm - V. Herbort & Prof. Dr. R. von Schwerin
Agile BI Was ist das eigentlich? Hochschule Ulm - V. Herbort & Prof. Dr. R. von Schwerin Inhalt Agilität in der Business Intelligence Agile Software-Projekte Agile Data Warehousing / Self-Service BI 29.10.10
MehrInhaltsverzeichnis. Vorwort 13. Kapitel 1 Einleitung 15
Vorwort 13 Kapitel 1 Einleitung 15 Kapitel 2 SQL-der Standard relationaler Datenbanken... 19 2.1 Die Geschichte 19 2.2 Die Bestandteile 20 2.3 Die Verarbeitung einer SQL-Anweisung 22 2.4 Die Struktur von
MehrDatenbanken Unit 9: OLAP, OLTP und objektrelationale Datenbanken
Datenbanken Unit 9: OLAP, OLTP und objektrelationale Datenbanken 17. V. 2017 Outline 1 Organisatorisches 2 SQL 3 OLTP, OLAP, SAP, and Data Warehouse OLTP and OLAP SAP 4 Objekt-relationale Datenbanken Beispiel
MehrDeveloping SQL Data Models MOC 20768
Developing SQL Data Models MOC 20768 In diesem Kurs lernen Sie das Implementieren von multidimensionale Datenbanken mithilfe der SQL Server Analysis Services (SSAS) und durch das Erstellen von tabellarische
MehrVorwort zur 5. Auflage... 15 Über den Autor... 16
Vorwort zur 5. Auflage...................................... 15 Über den Autor............................................ 16 Teil I Grundlagen.............................................. 17 1 Einführung
MehrKomponenten und Architekturen von Analytischen Informationssystemen (AIS)
Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Melanie Pfoh Konsultation Zusammenfassung OPAL 6. Übung Juni 2015 Agenda Hinweise zur Klausur Zusammenfassung OPAL Übungen / Kontrollfragen
MehrOLAP Architekturen Merkmale und Charakteristiken unterschiedlicher OLAP Ansätze und Lösungen. Rolf Niedermann, Principal Solution Architect
OLAP Architekturen Merkmale und Charakteristiken unterschiedlicher OLAP Ansätze und Lösungen Rolf Niedermann, Principal Solution Architect Orientierungsübersicht Sales Dashboard Major KPIs Gross Profit
MehrIntegration OBI und Essbase
Erfahrungen aus einem Projekt Alexander Hanau, Berater OPITZ CONSULTING Bad Homburg GmbH Bad Homburg, 22.09.2009 OPITZ CONSULTING GmbH 2009 Seite 1 Agenda 1. Was ist Oracle Essbase? 2. Was ist Oracle BI
MehrDatenbanken Unit 9: OLAP, OLTP und objektrelationale Datenbanken
Datenbanken Unit 9: OLAP, OLTP und objektrelationale Datenbanken 31. V. 2016 Outline 1 Organisatorisches 2 SQL 3 OLTP, OLAP, SAP, and Data Warehouse OLTP and OLAP SAP 4 Objekt-relationale Datenbanken Beispiel
Mehr