TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling. Twitter: @TDWI_EU
|
|
- Günther Pfaff
- vor 8 Jahren
- Abrufe
Transkript
1 BLUEFORTE GmbH Dirk Lerner TDWI Konferenz DWH Architektur Agilität durch Data Vault Modeling Twitter: @TDWI_EU 1 Elemente des Data Vault (Basic) HUB Only Key & nothing else z.b. Kundennummer, Artikelnummer Surrogate Key (PK) Key Audit Informationen Hub Customer SEQ Customer Customer ID Hub Customer LDTS Hub Customer RSCR LINK Only Relationship & nothing else z.b. Bestellung eines Artikels durch einen Kunden Surrogate Key (PK) SKs der Hubs (FK) Audit Informationen Lnk Customer CustClass SEQ Customer CustClass SEQ Customer (FK) SEQ CustClass (FK) Lnk Customer CustClass LDTS Lnk Customer CustClass RSCR TRENNUNG VON BUSINESS KEY, RELATIONEN UND KONTEXT ELLITE Only Context & nothing else (History) z.b. Kundenadresse SKs der Hubs (FK) + Datum Audit Informationen Kontextattribute Sat Customer SEQ Customer (FK) Sat Customer LDTS First Name Last Name Salutation Zip City Street Sat Customer RSCR Sat Customer LEDTS REFERENCE Only Reference Data Tabellen wie Kalender, Zeit, Code Beschreibungen Werden sehr oft referenziert 2 1
2 Vorgehen Data Vault Modellierung HUB Ermitteln der Geschäftsobjekte und eindeutiger Keys LINK Ermitteln von Beziehungen zwischen den Geschäftsobjekten (HUBs) Orientierung an den Geschäftsprozessen des Unternehmens REFERENCE (OPTIONAL) Ermitteln von CODEs, die Referenzen darstellen ELLITE Hinzufügen beschreibender Informationen zu den Geschäftsobjekten (HUBs) und den Beziehungen (LINKs) 3 Data Vault 3NF EDW nach Data Vault Customer EDW Customer ID Date Timestamp First Name Last Name Salutation Zip City Street Customer Class ID (FK) Date Timestamp (FK) Key Context Relationship Lnk Customer CustClass SEQ Customer CustClass SEQ Customer (FK) SEQ CustClass (FK) Lnk Customer CustClass LDTS Lnk Customer CustClass RSCR Hub CustClass SEQ CustClass CustClass ID Hub CustClass LDTS Hub CustClass RSCR Hub Customer SEQ Customer Customer ID Hub Customer LDTS Hub Customer RSCR Sat Customer SEQ Customer (FK) Sat Customer LDTS First Name Last Name Salutation Zip City Street Sat Customer RSCR Sat Customer LEDTS 4 2
3 Regelwerk Data Vault (1.0) Ein HUB kann nicht direkt mit einem anderen HUB verknüpft werden. Die Beziehung zwischen HUBs erfolgt immer mit einem LINK. Ein LINK kann mit einem anderen LINK verknüpft werden. Ein LINK muss mit zwei oder mehr HUBs bzw. LINKS verknüpft werden. Ein ELLITE muss mit einem HUB oder LINK verknüpft werden. Ein ELLITE kann nicht mit einem anderen ELLITE verknüpft werden. Ein HUB oder LINK kann mit mehr als einem ELLITE verknüpft werden. 5 Data Warehouse Architektur CIF 1.0 HUB & SPOKE KLASSISCH Single Point of Truth Komplexe wirken auf die Daten vor dem Laden in das Data Warehouse History Integration ETL Hard + Soft EDW (3NF) ETL Meta Data 6 3
4 Data Warehouse Architektur CIF 2.0 HUB & SPOKE DATA VAULT = RAW DV + BUSINESS DV Komplexe wirken auf die Daten nach dem Laden in das Data Warehouse Zum Zum Data Vault History Integration E T L Hard EDW (Data Vault = Raw DV + DV) ETL Soft Meta Data 7 Data Warehouse Architektur CIF 2.0 HUB & SPOKE DATA VAULT = RAW DV + BUSINESS DV Komplexe wirken auf die Daten nach dem Laden in das Data Warehouse Zum Zum Data Vault EDW EDW Data Vault Data Vault Raw Data Vault Soft Data Vault (Extension) ETL Soft 8 4
5 Data Warehouse Architektur Data Vault 2.0 INTEGRATION NOSQL MIT HASHKEYS E T L Hard EDW Data Vault 2.0 = (Raw DV + DV) ETL Soft Hadoop / NoSQL Meta Data Data Vault 2.0 Dan Linstedt, 2014 LearnDataVault.com with permission 9 Data Vault ETL Übersicht PARALLELISIERUNG Alle Jobs werden parallel ausgeführt Wenn möglich! Prozessgruppen warten auf beendete vorherige Prozessgruppen Prozesse werden, sobald Daten bereitstehen, ausgeführt Abhängigkeiten sind weitestgehend reduziert, keine sonstigen Wartezeiten Staging Loads Data Vault Loads Source Stage Hubs Hub Satellites Loads Links Link Satellites Dimensions Facts 10 5
6 Data Warehouse Architektur ACCESS LAYER BI View OLTP View ODS View BUSINESS LAYER ( TRUTH ) Logical Data View/Model Logical Data View/Model Logical Data View/Model CORE LAYER Source Vault, Data Vault, Rule Vault, STAGING LAYER Transformation Copy of Source, CDC SOURCE SYSTEMS Host Transformation SAP Custom System Big Data (Hadoop) 11 Data Warehouse Design Agile WARUM AGILE? Big Bang DWHs scheitern : Resultate brauchen sehr lange, Erwartungen bleiben unerfüllt Unklare und unbeständige Anforderungen Anforderungen ändern sich in kurzen Intervallen das DWH muss mithalten BI Anforderungen sind an sich instabil (Neue) Informationen treiben Veränderungen (Neue) Daten Neue Erkenntnisse Neue Anforderungen 12 6
7 Data Warehouse Design Prinzipien hinter dem Agilen Manifest Unsere höchste Priorität ist es, den Kunden durch frühe und kontinuierliche Auslieferung wertvoller Software zufrieden zu stellen Data Warehouse Design Prinzipien hinter dem Agilen Manifest Liefere funktionierende Software regelmäßig innerhalb weniger Wochen oder Monate und bevorzuge dabei die kürzere Zeitspanne
8 Colors of Data Modeling ANALYSE FARBKATEGORIEN Key Association / Relationship Detail / Context ENTITÄT 3NF EDW Customer EDW Customer ID Date Timestamp First Name Last Name Salutation Zip City Street Customer Class ID (FK) Date Timestamp (FK) Customer EDW Customer ID Date Timestamp First Name Last Name Salutation Zip City Street Customer Class ID (FK) Date Timestamp (FK) Key Context Relationship Data Vault Colors from the Book Modeling the Agile Data Warehousing with Data Vault Hans Hultgren 15 Data Warehouse Design Agile MODELLERWEITERUNG Neue Geschäftsobjekte und Beziehungen Abwärtskompatibel Supplier Customer LINK LINK Product 16 8
9 Data Warehouse Design Agile ACCESS LAYER Data Mart Views OLTP View Geo Mart Master Data Mart Data Mart Start Schema Cube Data Mart BUSINESS LAYER ( TRUTH ) Logical Data View Model CORE LAYER Data Vault STAGING LAYER Copy 1 Copy 2 Copy 3 Copy n Copy 2 SOURCE SYSTEMS Source 1 Source 2 Source 3 Source n Source t 17 Data Warehouse Architektur Kundenbeispiel ACCESS LAYER + BUSINESS LAYER BI View Cube Logical Data View/Model CORE LAYER Data Vault, Rule Vault STAGING LAYER Transformation Copy of Source SOURCE SYSTEMS CRM Transformation SEM Custom System 18 9
10 Data Warehouse Design Agile Implementierung von Hand oder Automatisierung mit Tool? 19 Data Warehouse Design Agile DER WEG ZUR AUTOMATISIERUNG Klein anfangen, aber immer mit der Automatisierung beginnen Niemals mit der Automatisierung aufhören Niemals das automatisieren, was die verwendete Plattform selbst kann Automatisierung ist nicht das Ziel. Das Ziel ist das Data Warehouse DWH AUTOMATION FÜHRT ZU KÜRZEREN ENTWICKLUNGSZYKLEN MÖGLICHKEITEN DER AUTOMATISIERUNG Datenmodelle ETL Prozesse Ausführung und Protokollierung (Logging) Deployment Testing 20 10
Data Vault. Modellierungsmethode für agile Data Warehouse Systeme. Dr. Bodo Hüsemann Informationsfabrik GmbH. DOAG BI, München, 17.04.
Data Vault Modellierungsmethode für agile Data Warehouse Systeme Dr. Bodo Hüsemann Informationsfabrik GmbH DOAG BI, München, 17.04.2013 Die Informationsfabrik Die Informationsfabrik macht erfolgreiche
MehrModellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015
Modellierung agiler Data Warehouses mit Data Vault Dani Schnider, Trivadis AG DOAG Konferenz 2015 BASEL BERN BRUGG DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. GENEVA HAMBURG COPENHAGEN LAUSANNE MUNICH STUTTGART
MehrAgile Analytics Neue Anforderungen an die Systemarchitektur
www.immobilienscout24.de Agile Analytics Neue Anforderungen an die Systemarchitektur Kassel 20.03.2013 Thorsten Becker & Bianca Stolz ImmobilienScout24 Teil einer starken Gruppe Scout24 ist der führende
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
MehrVom Single Point of Truth zur Single Version of the Facts. Data Warehousing zu Beginn des BigData-Zeitalters. inspire IT - Frankfurt 11. 12.05.
Vom Single Point of Truth zur Single Version of the Facts Data Warehousing zu Beginn des BigData-Zeitalters inspire IT - Frankfurt 11. 12.05.2015 Fahmi Ouled-Ali Kabel Deutschland Marian Strüby OPITZ CONSULTING
MehrETL in den Zeiten von Big Data
ETL in den Zeiten von Big Data Dr Oliver Adamczak, IBM Analytics 1 1 Review ETL im Datawarehouse 2 Aktuelle Herausforderungen 3 Future of ETL 4 Zusammenfassung 2 2015 IBM Corporation ETL im Datawarehouse
MehrDas generierte Data Warehouse
Das generierte Data Warehouse DOAG BI Konferenz 2012 Gregor Zeiler BASEL BERN LAUSANNE ZÜRICH DÜSSELDORF FRANKFURT A.M. FREIBURG I.BR. HAMBURG MÜNCHEN STUTTGART WIEN 1 Erwartungshaltungen und Hoffnungen
MehrSoft Skills als Erfolgsfaktoren im anforderungsorientierten, agilen Projektmanagement am Beispiel der IT- Softwareentwicklung
Soft Skills als Erfolgsfaktoren im anforderungsorientierten, agilen Projektmanagement am Beispiel der IT- Softwareentwicklung Moderatorin: Sabine Bernecker- Bendixen sof- IT & Personal Best! www.sof- it.de
MehrBI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit
BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon
MehrC09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl
C09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl Ein Seminar der DWH academy Seminar C09 Einsatz SAP BW im Vergleich zur Best-of-Breed- Produktauswahl Befasst man sich im DWH mit der Auswahl
MehrDie perfekte Kombination im Agilen Data Warehouse Oracle Engineered Systems mit Data Vault
Die perfekte Kombination im Agilen Data Warehouse Oracle Engineered Systems mit Data Vault Herbert Rossgoderer Geschäftsführer Matthias Fuchs DWH Architekt ISE Information Systems Engineering GmbH ISE
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
MehrDie Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link
Die Bedeutung der Prozessmodellierung bei der Weiterentwicklung des DWHs der DAK Der Innovator als Missing Link Konrad Linner, solvistas GmbH Nürnberg, 20.November 2012 Inhaltsverzeichnis Vorstellung solvistas
Mehrwww.braunconsult.de SAP HANA Einsatzmöglichkeiten und Potenziale
SAP HANA Einsatzmöglichkeiten und Potenziale Vorstellung HANA Einsatzmöglichkeiten und Potenziale SAP HANA Studio Performance Was ist SAP HANA : SAP HANA ist eine neue Plattform die die In-Memory Technologie
MehrWarum sich das Management nicht für agile Softwareentwicklung interessieren sollte - aber für Agilität
Warum sich das Management nicht für agile Softwareentwicklung interessieren sollte - aber für Agilität Marcus Winteroll oose GmbH Agenda I. Ziele und Zusammenarbeit II. Was wir vom agilen Vorgehen lernen
MehrSeminar C16 - Datenmodellierung für SAP BW
C16: Datenmodellierung für SAP BW Ein Seminar der DWH academy Seminar C16 - Datenmodellierung für SAP BW Dieses Seminar soll einen umfassenden Einblick in die Datenmodellierung beim Einsatz von SAP BW
MehrSP03: Datenmodellierung in SAP NetWeaver BI im Vergleich zum klassischen Data Warehousing
SP03: Datenmodellierung in SAP NetWeaver BI im Vergleich zum klassischen Data Warehousing Ein Seminar der DWH academy Seminar SP03 - Datenmodellierung in SAP NetWeaver BI im Vergleich zum klassischen Data
MehrData Vault. Data Warehouse Agilität nicht nur durch Vorgehensweisen, sondern mit Methode. Dr. Bodo Hüsemann Informationsfabrik GmbH
Data Vault Data Warehouse Agilität nicht nur durch Vorgehensweisen, sondern mit Methode Dr. Bodo Hüsemann Informationsfabrik GmbH Konzeption und Architektur Implementierung [ETL, Reporting, OLAP, Planung]
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
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
MehrOERA OpenEdge Reference Architecture. Mike Fechner PUG Infotag 19. Mai 05 Frankfurt
OERA OpenEdge Reference Architecture Mike Fechner PUG Infotag 19. Mai 05 Frankfurt Überblick OERA Separated presentation and integration layers Common business logic with advanced models Data access abstracted
MehrSurvival Guide für Ihr Business Intelligence-Projekt
Survival Guide für Ihr Business Intelligence-Projekt Sven Bosinger Solution Architect BI Survival Guide für Ihr BI-Projekt 1 Agenda Was ist Business Intelligence? Leistungsumfang Prozesse Erfolgsfaktoren
MehrMarketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Vorstellung der Softwarekomponenten Josef Kolbitsch Manuela Reinisch Übersicht Übersicht über die Systemlandschaft Übersicht über die Werkzeuge Workshop Systemlandschaft 1/8 Klassische
MehrWas Sie über SCRUM wissen sollten...
Was Sie über SCRUM wissen sollten... +Pluswerk AG Solmsstr.6a 60486 Frankfurt Tel: (089) 130 145 20 Fax: (089) 130 145 10 info@pluswerk.ag Commerzbank Frankfurt IBAN: DE08 5004 0000 0716 6200 00 BIC: COBADEFFXXX
MehrAgiles Testmanagement am Beispiel Scrum
Agiles Testmanagement am Beispiel Scrum SEQIS Software Testing Know-How Weitere Termine 16. September Testmanagement mit externen Partnern 21.Oktober Software unter Druck: Erfolgsfaktoren bei Last- und
MehrEin subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen
Ein subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen vorgestellt am 29.09.2008 in der PASS Regionalgruppe Karlsruhe Michael Riedmüller inovex GmbH Project
MehrRobert Hartmann Public v1.0 (Feb 2015) Architektur & Agilität - Praxisbericht
Robert Hartmann Public v1.0 (Feb 2015) Architektur & Agilität - Praxisbericht 1 Agenda Vorstellung Architektur & Agilität Industriedomäne Praxisbeispiele Wie geht es weiter? 2/26/2015 2 Vorstellung Robert
MehrKapitel 4 Die Datenbank Kuchenbestellung Seite 1
Kapitel 4 Die Datenbank Kuchenbestellung Seite 1 4 Die Datenbank Kuchenbestellung In diesem Kapitel werde ich die Theorie aus Kapitel 2 Die Datenbank Buchausleihe an Hand einer weiteren Datenbank Kuchenbestellung
MehrProf. Dr.-Ing. Rainer Schmidt 1
Prof. Dr.-Ing. Rainer Schmidt 1 Business Analytics und Big Data sind Thema vieler Veröffentlichungen. Big Data wird immer häufiger bei Google als Suchbegriff verwendet. Prof. Dr.-Ing. Rainer Schmidt 2
MehrErfahrungsbericht Agile Entwicklung einer BI Anwendung für das Meldewesen
Erfahrungsbericht Agile Entwicklung einer BI Anwendung für das Meldewesen Thomas Löchte Geschäftsführer Informationsfabrik GmbH Wir produzieren INFORMATION. Konzeption und Architektur Implementierung [ETL,
MehrInhalt. Fragestellungen. ...we make the invisible visible... Analysen und deren Anwendung Erfahrungen
...we make the invisible visible... 1 Inhalt Fragestellungen Analysen und deren Anwendung Erfahrungen 2 Projektleiter Hat unsere Software eine klare, verständliche Struktur? Gibt es problematischen Code,
Mehre-business - Patterns Stefan Brauch (sb058) -- Julian Stoltmann (js057)
e-business - Patterns Stefan Brauch (sb058) -- Julian Stoltmann (js057) 1 e-business Patterns??? e-business Patterns Architekturen, die sich über die Zeit bewährt haben. Pattern-Fundgrube web-basierte
MehrInhaltsverzeichnis. 1. Fragestellung
Inhaltsverzeichnis 1. Fragestellung... 1 2. Herleitung zum Thema... 1 3. Das Entity Relationship Modell (ERM)... 2 4. Praktisches Beispiel zum ERM... 7 5. Anhang...Fehler! Textmarke nicht definiert. 1.
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.
MehrODI 12c - Flexible Datenintegration in komplexen BI/DWH-Umgebungen Dr.-Ing. Holger Friedrich
ODI 12c - Flexible Datenintegration in komplexen BI/DWH-Umgebungen Dr.-Ing. Holger Friedrich Agenda Einführung Key differentiators von ODI12c Effizienz Flexibilität Wartbarkeit & Beweglichkeit Schlussfolgerungen
MehrRE.one. Self Service Information Management für die Fachabteilung
RE.one Self Service Information Management für die Fachabteilung Das Ziel Verwertbare Informationen aus Daten gewinnen Unsere Vision Daten Info Data Warehousing radikal vereinfachen in einem Tool Die Aufgabe
MehrEffizientes Erstellen schöner Plots - keine Hexerei
Effizientes Erstellen schöner Plots - keine Hexerei Übersicht 1. Wieso sind Plots und Grafiken entscheidend? 2. Ziel dieses Tutorials 3. Was ist für eine gute Darstellung zu beachten? 4. Strukturiertes
MehrWas ist Analyse? Hannover, CeBIT 2014 Patrick Keller
Was ist? Hannover, CeBIT 2014 Patrick Keller Business Application Research Center Historie 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl Wirtschaftsinformatik der Universität
MehrGESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013
OPEN SYSTEMS CONSULTING IT-KOMPLETTDIENSTLEISTER IM MITTELSTAND GESCHÄFTSSTELLENERÖFFNUNG HAMBURG, 25. APRIL 2013 Business Analytics Sascha Thielke AGENDA Die Geschichte des Reporting Begriffe im BA Umfeld
MehrA Domain Specific Language for Project Execution Models
A Domain Specific Language for Project Execution Models Eugen Wachtel, Marco Kuhrmann, Georg Kalus Institut für Informatik Software & Systems Engineering Inhalt Einführung und Hintergrund Problembereiche
MehrDW42: DWH-Strategie, Design und Technik
DW42: DWH-Strategie, Design und Technik Ein Seminar der DWH academy Seminar DW42 - DWH-Strategie, Design und Technik In diesem Seminar lernen Sie durch praxiserfahrene Referenten ein Data Warehouse spezifisches
MehrHetero-Homogene Data Warehouses
Hetero-Homogene Data Warehouses TDWI München 2011 Christoph Schütz http://hh-dw.dke.uni-linz.ac.at/ Institut für Wirtschaftsinformatik Data & Knowledge Engineering Juni 2011 1 Data-Warehouse-Modellierung
MehrBITMARCK VERNETZT DER KUNDENTAG
BITMARCK VERNETZT DER KUNDENTAG BI@BITMARCK neue Wege, neue Möglichkeiten Michael Heutmann und René Wilms, BITMARCK Thomas Linke, Terranet Essen, 03. November 2015 Rückblick Was bisher geschah KT 2013:
MehrTechnologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle
Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle 40. Congress der Controller, Themenzentrum C, München Steffen Vierkorn, Geschäftsführer Qunis GmbH, Neubeuern Die
MehrApache HBase. A BigTable Column Store on top of Hadoop
Apache HBase A BigTable Column Store on top of Hadoop Ich bin... Mitch Köhler Selbstständig seit 2010 Tätig als Softwareentwickler Softwarearchitekt Student an der OVGU seit Oktober 2011 Schwerpunkte Client/Server,
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
MehrVitaphone Software Entwicklung Vorgehensmodell 19. Oktober 2011 Berlin. Dr. Michael Hübschen
Vitaphone Software Entwicklung Vorgehensmodell 19. Oktober 2011 Berlin Dr. Michael Hübschen Was sind unsere Ziele vitagroup because we care Vitaphone GmbH 20011 1. Was war die Herausforderung? Betreuungsprozesse
MehrAdlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte Einleitung
Adlerblick So gewinnen Sie einen Überblick über ein DWH Dr. Andrea Kennel InfoPunkt Kennel GmbH CH-8600 Dübendorf Schlüsselworte DWH Projekt, Methodik, Stärken und Schwächen, Übersicht, Weg der Daten,
MehrNear Realtime ETL mit Oracle Golden Gate und ODI. Lutz Bauer 09.12.2015
Near Realtime ETL mit Oracle Golden Gate und ODI Lutz Bauer 09.12.2015 Facts & Figures Technologie-orientiert Branchen-unabhängig Hauptsitz Ratingen 240 Beschäftigte Inhabergeführt 24 Mio. Euro Umsatz
MehrSichere E-Mail Anleitung Zertifikate / Schlüssel für Kunden der Sparkasse Germersheim-Kandel. Sichere E-Mail. der
Sichere E-Mail der Nutzung von Zertifikaten / Schlüsseln zur sicheren Kommunikation per E-Mail mit der Sparkasse Germersheim-Kandel Inhalt: 1. Voraussetzungen... 2 2. Registrierungsprozess... 2 3. Empfang
MehrSeminar C02 - Praxisvergleich OLAP Tools
C02: Praxisvergleich OLAP Tools Ein Seminar der DWH academy Seminar C02 - Praxisvergleich OLAP Tools Das Seminar "Praxisvergleich OLAP-Tools" bietet den Teilnehmern eine neutrale Einführung in die Technologien
MehrInterpretation des agilen Manifest
Interpretation des agilen Manifest im Automotive Bereich Basel Genève Freiburg Berlin Copyright 2014 SynSpace geben eine Richtung vor Glaubwürdigkeit Basis & Grundlage von Verhaltensweisen oberhalb der
MehrÜbungsblatt 4. Aufgabe 7: Datensicht Fachkonzept (Klausur SS 2002, 1. Termin)
Übungsblatt 4 Aufgabe 7: Datensicht Fachkonzept (Klausur SS 2002, 1. Termin) Die Saartal Linien beauftragen Sie mit dem Entwurf der Datenstrukturen für ein Informationssystem. Dieses soll zur Verwaltung
MehrRelease Automation für Siebel
June 30 th 2015 Release Automation für Siebel Stefan Kures Agenda + Herausforderungen + Lösung mit Automic + Vorteile + Resultate 3 Property of Automic Software. All rights reserved Siebel als zentrale
MehrGeld Verdienen im Internet leicht gemacht
Geld Verdienen im Internet leicht gemacht Hallo, Sie haben sich dieses E-book wahrscheinlich herunter geladen, weil Sie gerne lernen würden wie sie im Internet Geld verdienen können, oder? Denn genau das
MehrEine Anwendung mit InstantRails 1.7
Eine Anwung mit InstantRails 1.7 Beschrieben wird das Anlegen einer einfachen Rails-Anwung, die ohne Datenbank auskommt. Schwerpunktmäßig wird auf den Zusammenhang von Controllern, Views und der zugehörigen
MehrSCRUM. Legalisierung der Hackerei? GI Regionalgruppe Dortmund 07.12.2009 Dipl.-Inform. (FH) Dirk Prüter. Dirk.Prueter@gmx.de
SCRUM Legalisierung der Hackerei? GI Regionalgruppe Dortmund 07.12.2009 Dipl.-Inform. (FH) Dirk Prüter Dirk.Prueter@gmx.de Überblick Was ist SCRUM Wie funktioniert SCRUM Warum lohnt es sich, SCRUM anzuwenden
MehrFAMILIENSTAND ALLEINERZIEHENDE MÜTTER
Umfrage unter Eltern zur Kinder-Betreuung nach der Trennung Match-patch.de die Partnerbörse für Singles mit Familiensinn hat im Juni eine Umfrage unter seinen Mitgliedern durchgeführt. Bei der Befragung,
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
MehrBeispiele für Datenbank-Struktur-Probleme
Beispiele für Datenbank-Struktur-Probleme 1. Veränderung einer DB-Struktur: Beispiel: Wer liefert was in einer Auftragsbearbeitung In dem folgenden Beispiel wird über die n:m-relation "tblwerliefertwas"
MehrAgile Management Einführung in agiles Management
Agile Management Einführung in agiles Management Agile Management Agile Management-Methoden Einführung Agile Management PQRST e.u. - Ing. Erich Freitag Version 25.06.2013 Lernziele Den Unterschied zwischen
MehrSQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar
SQL Server 2012 und SharePoint im Unternehmenseinsatz Referent Daniel Caesar sqlxpert Daniel Caesar Publikationen Themen SQL Server Admin, Entwicklung SharePoint Admin, Entwicklung.NET Entwicklung Rechtssichere
MehrTHEOBALD XTRACT PPS IXTO GMBH. Mathias Slawik, Linda Kallinich
THEOBALD XTRACT PPS IXTO GMBH Mathias Slawik, Linda Kallinich Projekt BWA: Analytische Anwendungen, WS 2010/2011 Agenda 2/14 Projektaufgabe Technologien / Xtract PPS Projektablauf Dashboard-Prototyp Bewertung
MehrStrategische Begleitung komplexer Multi-Channel Projekte in der Praxis
Strategische Begleitung komplexer Multi-Channel Projekte in der Praxis DI Helmut Mader Country Manager AT/DE Netconomy GmbH Graz Wien Zürich NETCONOMY Software & Consulting GmbH Hilmgasse 4, A-8010 Graz
MehrAllgemeines zu Datenbanken
Allgemeines zu Datenbanken Was ist eine Datenbank? Datensatz Zusammenfassung von Datenelementen mit fester Struktur Z.B.: Kunde Alois Müller, Hegenheimerstr. 28, Basel Datenbank Sammlung von strukturierten,
MehrAKWI-Fachtagung 2014. SAP HANA Live als Basis für operatives Reporting in Echtzeit. Customizing und Anwendung
AKWI-Fachtagung 2014 Darius Nowak Prof. Dr. Harald Ritz Jörg Wolf SAP HANA Live als Basis für operatives Reporting in Echtzeit Customizing und Anwendung 1 Agenda 1. Einleitung 2. Motivation 3. SAP HANA
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
MehrXesar. Die vielfältige Sicherheitslösung
Xesar Die vielfältige Sicherheitslösung Xesar Die professionelle Lösung für Ihr Unternehmen Xesar Sicher und flexibel Xesar ist das vielseitige elektronische Schließsystem aus dem Hause EVVA. Komplexe
MehrDWH Automation - Steigerung von Qualität, Effektivität und Transparenz in der DWH Implementierung und dem Betrieb. Referent: Raphael Henneke
DWH Automation - Steigerung von Qualität, Effektivität und Transparenz in der DWH Implementierung und dem Betrieb Referent: Raphael Henneke Agenda 10.00 10.30 Begrüßung & aktuelle Entwicklungen bei QUNIS
MehrAUFGABENSTELLUNG BEISPIEL: RETAIL
NCR Österreich Ges.m.b.H. Storchengasse 1 A-1150 Wien http://www.teradata.com WIT - Wissenschafterinnenkolleg Internettechnologien Institut für Softwaretechnik und Interaktive Systeme Technische Universität
Mehroose. Was (noch) klassische Projekte von Scrum & Co lernen können eine empirische Studie
Was (noch) klassische Projekte von Scrum & Co lernen können eine empirische Studie München, 06.05.2009 Markus Wittwer, oose GmbH 2009 by de GmbH Markus Wittwer Berater und Trainer Coach für agile Projekte
MehrWORKSHOP REDWOOD INTELLIGENCE & SLA JAN DIRK ZIJLSTRA CHRISTOPH KIMMESKAMP
WORKSHOP REDWOOD INTELLIGENCE & SLA JAN DIRK ZIJLSTRA CHRISTOPH KIMMESKAMP AGENDA Neue SLA Module Redwood Intelligence Portfolio Das Problem Die Lösung Verändern der alltäglichen Brandbekämpfung zu einem
MehrAgilität auf Unternehmensebene - Was hält uns davon ab?
Agilität auf Unternehmensebene - Was hält uns davon ab? Alexander Birke, Juli 2015 Copyright 2015 Accenture All rights reserved. Wie stellt sich Agilität heute dar? Das Scrum Framework: einfach und mittlerweile
Mehr!"#$%&'()*+),-%(.,"&/0(& %#,&1,*%(,%23%, )3&4%#56#%$&-%(&78$#-)9:2%;<&!'
1 @LeanAgileScrum #LASZH!"#$%&'()*)'+)$,-., #/&'0&*)'!"#$%&'()*+),-%(.,"&/0(& %#,&1,*%(,%23%, )3&4%#56#%$&-%(&78$#-)9:2%;
MehrDie neuen Cloud-Zertifizierungen nach ISO 27018 und ISO 20000-9. DI Herfried Geyer Fachhochschule St. Pölten, CIS-Auditor
Die neuen Cloud-Zertifizierungen nach ISO 27018 und ISO 20000-9 DI Herfried Geyer Fachhochschule St. Pölten, CIS-Auditor ISO/IEC 27013 Information technology - Security techniques - Guidance on the integrated
MehrStudie über Umfassendes Qualitätsmanagement ( TQM ) und Verbindung zum EFQM Excellence Modell
Studie über Umfassendes Qualitätsmanagement ( TQM ) und Verbindung zum EFQM Excellence Modell (Auszug) Im Rahmen des EU-Projekts AnaFact wurde diese Umfrage von Frauenhofer IAO im Frühjahr 1999 ausgewählten
MehrEclipse Plugins für die komfortablere Verwendung von ibatis SQLMaps
Projekt: Intern Softwareprojekt FH Furtwangen Status: Draft Ersteller: Kai Grabfelder Datum: 11.02.2007 Eclipse Plugins für die komfortablere Verwendung von ibatis SQLMaps 1 Beschreibung... 2 Semesterprojekt...
MehrDas Pflichtenheft. Dipl.- Ing. Dipl.-Informatiker Dieter Klapproth Ains A-Systemhaus GmbH Berlin
Fragestellungen: Warum reicht das Lastenheft nicht aus? Was kann ich mit dem Lastenheft machen? Was unterscheidet das Pflichtenheft vom Lastenheft? Was gehört zum Auftragsumfang einer Individualsoftware?
MehrArtenkataster. Hinweise zur Datenbereitstellung. Freie und Hansestadt Hamburg. IT Solutions GmbH. V e r s i o n 1. 0 0.
V e r s i o n 1. 0 0 Stand Juni 2011 Freie und Hansestadt Hamburg Behörde für Stadtentwicklung und Umwelt IT Solutions GmbH Artenkataster Auftraggeber Freie und Hansestadt Hamburg Behörde für Stadtentwicklung
MehrBI Organisation und Governance. Patrick Keller, Senior Analyst und Prokurist CeBIT 2016
BI Organisation und Governance Patrick Keller, Senior Analyst und Prokurist CeBIT 2016 15.03.2016 BARC 2016 2 Warum eine Organisation für BI? Menschen verursachen mehr Probleme als Technik! 15.03.2016
MehrInformationssystemanalyse Problemstellung 2 1. Trotz aller Methoden, Techniken usw. zeigen Untersuchungen sehr negative Ergebnisse:
Informationssystemanalyse Problemstellung 2 1 Problemstellung Trotz aller Methoden, Techniken usw. zeigen Untersuchungen sehr negative Ergebnisse: große Software-Systeme werden im Schnitt ein Jahr zu spät
Mehr20.01.2015 Fabian Grimme und Tino Krüger 1 INDREX. Evaluierung von H2O. Enterprise Data Management Beuth Hochschule für Technik
20.01.2015 Fabian Grimme und Tino Krüger 1 INDREX Evaluierung von H2O Enterprise Data Management Beuth Hochschule für Technik 20.01.2015 Fabian Grimme und Tino Krüger 2 INDREX im Überblick In-Database
MehrAndrea Grass & Dr. Marcus Winteroll oose Innovative Informatik GmbH. Geschäftsprozessmanagement und Agilität geht das zusammen?
Andrea Grass & Dr. Marcus Winteroll oose GmbH Geschäftsprozessmanagement und Agilität geht das zusammen? Agenda I. Wozu eigentlich BPM? II. Vorgehen und Rollen im abpm III. Methoden und Techniken IV. Resümee
MehrMengenvergleiche: Alle Konten außer das, mit dem größten Saldo.
Mengenvergleiche: Mehr Möglichkeiten als der in-operator bietet der θany und der θall-operator, also der Vergleich mit irgendeinem oder jedem Tupel der Unteranfrage. Alle Konten außer das, mit dem größten
MehrNeukundentest Versicherungen 2015 Zusammenfassung Gesamtmarkt
Neukundentest Versicherungen 2015 Zusammenfassung Gesamtmarkt Neukundentest versicherungen 2015 Zielsetzung: Das Ziel des Projektes ist es, die Neukundenakquisition der größten österreichischen Versicherungsinstitute
MehrFeature Driven Development
Driven Development Die andere agile Methode Dipl.-Inform. Henning Wolf henning.wolf@it-agile.de Überblick Warum mit FDD beschäftigen? Woher kommt FDD? Was ist FDD? 5 (Teil-)Prozesse Rollenmodell Vorteile
MehrSERVICE SUCHE ZUR UNTERSTÜTZUNG
SERVICE SUCHE ZUR UNTERSTÜTZUNG VON ANFORDERUNGSERMITTLUNG IM ERP BEREICH MARKUS NÖBAUER NORBERT SEYFF ERP SYSTEME Begriffsbestimmung: Enterprise Resource Planning / Business Management Solution Integrierte
MehrDevOps bei den ID Build-Automatisierung statt Silo-Betrieb
DevOps bei den ID Build-Automatisierung statt Silo-Betrieb SWS Entwicklertreffen vom 1.10.2015 Benno Luthiger 1.10.2015 1 Ausgangslage Kundenwunsch: Stabiles System, das schnell reagiert ( Betrieb) Neue
MehrBigData Wie wichtig ist die Datenqualität bei der Analyse und Auswertung von großen Daten Praxisbeispiel. Christin Otto
BigData Wie wichtig ist die qualität bei der Analyse und Auswertung von großen Praxisbeispiel Christin Otto Was ist Big Data? Der Big Data Prozess Sammlung und Speicherung von Analyse der zum Gewinn von
MehrEin Ausflug zu ACCESS
Ein Ausflug zu ACCESS Die folgenden Folien zeigen beispielhaft, wie man sein DB- Wissen auf ACCESS übertragen kann betrachtet wird ACCESS 2002, da gerade im Bereich der Nutzung von SQL hier einiges nachgearbeitet
MehrVorteile einer standardisierten DV-orientierten BI-Architektur hinsichtlich Modellierung, Bewirtschaftung und Betrieb. Thomas Mattick, BBF GmbH
Vorteile einer standardisierten DV-orientierten BI-Architektur hinsichtlich Modellierung, Bewirtschaftung und Betrieb Thomas Mattick, BBF GmbH Vorstellung Thomas Mattick Projektauszug (BI) Auftragsabwicklung/Leistungsbewertung
MehrWelcome to the Club!
Customer Relationship Management Welcome to the Club! Prolog Viele Leute glauben, dass wir das Zeitalter des Internets erreicht haben. Tatsächlich ist es eher zutreffend, dass wir das Zeitalter des Kunden
MehrDataVault in der Praxis
überraschend mehr Möglichkeiten! DataVault in der Praxis Nur ein Werbeversprechen? Marcel Aretz OPITZ CONSULTING 2016 Agenda A B C D Vorgeschichte und Prioritäten Wie wäre es mit DataVault? Unser Leben
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
MehrWorkshop 3. Excel, EDIFACT, ebxml- Was ist state. of the art und wo liegt die Zukunft. 16. September 2002
Workshop 3 Excel, EDIFACT, ebxml- Was ist state of the art und wo liegt die Zukunft 16. September 2002 Dipl. Kfm. power2e energy solutions GmbH Wendenstraße 4 20097 Hamburg Telefon (040) 80.80.65.9 0 info@power2e.de
MehrErfolgsfaktoren von Customer Relationship Management Strategien
Klaus Sevenich Erfolgsfaktoren von Customer Relationship Management Strategien in Unternehmen Diplomica Verlag Klaus Sevenich Erfolgsfaktoren von Customer Relationship Management Strategien in Unternehmen
MehrHP Software Patch- und Version-Notification
HP Software verschickt automatische individuelle Informationen per E-Mail über neue Patches und Versionen. Die Voraussetzung für diesen Service ist, dass man sich persönlich angemeldet hat. Patches werden
MehrSoftwareentwicklung aus Sicht des Gehirns
Softwareentwicklung aus Sicht Business Unit Manager Folie 1 3. Juli 2008 Ziele Das Ziel ist die Beantwortung der folgenden Fragen: 1. Wie lösen Softwareentwickler Probleme kognitiv? 2. Welche Auswirkungen
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
MehrSoftware Ergonomie und Usability. 2. Psychologische Grundlagen - Teil 3: Handlungen
Software Ergonomie und Usability. 2. Psychologische Grundlagen - Teil 3: Handlungen Prof. Kirstin Kohler // Hochschule Mannheim // SS 2015 Menschliche Aktivitäten * Folgendes zyklisches Muster finden sich
Mehr