Data Warehouse und Data Mining
|
|
- Hansi Vogt
- vor 7 Jahren
- Abrufe
Transkript
1 Einführungsseminar Data Mining Seminarvortrag zum Thema: Data Warehouse und Data Mining Von gehalten am Betreuer: Dr. M. Grabert
2 Einführung Problemstellung Seite 2 Einführung Unternehmen bekommen eine Unmenge von Daten aus den unterschiedlichsten Quellen Es ist sicherlich auch wichiges Wissen in diesen Daten enthalten Dieses Wissen aus der Vielfalt von Daten effektiv zu extrahieren ist ein großes Problem
3 Einführung Lösungsmöglichkeiten Seite 3 Lösungsmöglichkeiten Data Warehouse Zum Bereitstellen der Daten Online Analytic Processing (OLAP) Zur Durchführung von Ad hoc Anfragen in multidimensionalen Datenmodellen Data Mining Zum Aufdecken von Zusammenhängen auf Grundlage der zugrunde liegenden Daten
4 Einführung Grafischer Überblick Seite 4 ETL Prozess Datenspeicher Analysetools Operative Systeme Externe Quellen ETL Data Warehouse OLAP Data Mining Data Marts
5 Data Warehouse Seite 5 Data Warehouse Was ist ein DW? Zentraler Datenpool Warum DW? Was sind die Vorteile gegenüber den operativen Systemen? DW ist optimiert für die Datenanalyse und Reporting DW hat auch historische Daten gespeichert (read only) DW hat alle Daten zentral, aufbereitet, bereinigt und im gleichen Format gespeichert
6 Data Warehouse Data Marts Seite 6 Data Marts Was sind Data Marts? Data Marts sind kleine Data Warehouses, die nur einen Teil des Unternehmens erfassen Warum Data Marts? Passen unter Umständen besser in die unternehmensinterne IT Struktur E T L P r o z e s s D a te n s p e ic h e r A n a ly s e t o o ls O p e r a t iv e S y s te m e E x t e r n e Q u e ll e n Schneller zu erstellen als ein großes DW / Performance E T L D a ta W a r e h o u s e D a ta M a r t s O L A P D a ta M in in g
7 Data Warehouse Data Marts Seite 7 Unabhängige Data Marts Vorteile: Entspricht unter Umständen der vorhanden IT Struktur besser Schneller zu erstellen als direkt ein großes DW Nachteile: 2 malige Datentransformation Überschneidungen zwischen den Data Marts kaum zu vermeiden
8 Data Warehouse Data Marts Seite 8 Abhängige Data Marts Vorteile: Keine Überschneidungen Nur eine Daten transformation Nachteile: In der Praxis nur mit viel Mehraufwand durchführbar
9 Data Warehouse Enstehung eines DW Seite 9 Entstehung eines DW Planung DW sollte von allen Stellen, die später mit dem DW arbeiten möchten, mitgeplant werden Insbesondere sollte auch das Management in die Planungen einbezogen werden Einbettung in die unternehmensinterne IT Struktur Abhängige oder unabhängige Data Marts
10 Data Warehouse ETL Seite 10 Der ETL Prozess Die Extraktionsphase (E) ETL Prozess Datenspeicher Analysetools Operative Systeme Externe Quellen Extrahieren der Daten aus den operativen Systemen bzw. externen Quellen Die Transformationsphase (T) Alle Daten auf ein einheitliches Format (z.b. CWM) bringen Daten bereinigen Die Ladephase (L) ETL Data Warehouse Data Marts OLAP Data Mining
11 Anwendungen des DW OLAP Seite 11 OLAP Was ist OLAP? (Online Analytic Processing) Multidimensionales Analysewerkzeug Was hat OLAP mit Data Warehouse zu tun? Ein DW ist ideal für die mehrdimensionalen Analysen eines OLAP Werkzeugs
12 Anwendungen des DW OLAP Werkzeuge Seite 12 Darstellung als Datenwürfel Beispielanfrage Wie viele Produkte der Produktgruppe G wurden in Region 3 im 2. Quartal 2002 verkauft?
13 Anwendungen des DW OLAP Werkzeuge Seite 13 Roll Up, Drill Down und Drill Across
14 Anwendungen des DW OLAP Werkzeuge Seite 14 Pivotierung / Rotierung Slicing und Dicing
15 Anwendungen des DW Data Mining Seite 15 Data Mining Was ist Data Mining? Analysewerkzeug, das Zusammenhänge und Auffälligkeiten innerhalb der Daten aufdeckt Was sind die Vorteile des Data Minings gegenüber anderen Analysetools? Data Mining findet selbständig Zusammenhänge innerhalb der Daten
16 Anwendungen des DW Data Mining Seite 16 Data Mining Data Mining vs. OLAP OLAP liefert statistische Belege für die Hypothesen eines Anwenders Data Mining liefert selbständig neue Zusammenhänge aus den Daten heraus Data Mining und DW Data Mining innerhalb eines großen DW oder Data Mining innerhalb der vielen kleinen Data Marts
17 Fazit Ende Seite 17 ETL Prozess Datenspeicher Analysetools Operative Systeme Externe Quellen ETL Data Warehouse OLAP Data Mining Data Marts
Übung 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
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
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
MehrFolien zum Textbuch. Kapitel 6: Managementunterstützungssysteme. Teil 2: Textbuch-Seiten 794-825
Folien zum Textbuch Kapitel 6: Managementunterstützungssysteme Teil 2: Managementunterstützung auf strategischer Ebene Datenverwaltung und -auswertung Textbuch-Seiten 794-825 WI 1 MUS MUS auf strategischer
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
MehrData Warehouse und Data Mining
Data Warehouse und Data Mining Seminararbeit von Christian Hägele im Februar 2004 Betreuer: Dr. M. Grabert Inhaltsverzeichnis 1 Einführung 1 2 Data Warehouse 3 2.1 Warum Data Warehouse?........................
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...............
MehrSelf Service BI der Anwender im Fokus
Self Service BI der Anwender im Fokus Frankfurt, 25.03.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC 1 Kernanforderung Agilität = Geschwindigkeit sich anpassen zu können Quelle: Statistisches
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
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
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...
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
MehrData Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings
Wirtschaft Simon Schäfer Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings Bachelorarbeit Bachelor Thesis Data Warehouse - Komponente der Business Intelligence und
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...
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
MehrKapitel 4: Data Warehouse Architektur
Kapitel 4: Data Warehouse Architektur Data Warehousing und Mining 1 Data Warehousing, Motivation Zugriff auf und Kombination von Daten aus mehreren unterschiedlichen Quellen, Source Source Source komplexe
MehrBusiness Intelligence im Krankenhaus
Business Intelligence im Krankenhaus Dr. Thomas Lux Holger Raphael IT-Trends in der Medizin 03.September 2008 Essen Gliederung Herausforderungen für das Management im Krankenhaus Business Intelligence
MehrEinführung in OLAP und Business Analysis. Gunther Popp dc soft GmbH
Einführung in OLAP und Business Analysis Gunther Popp dc soft GmbH Überblick Wozu Business Analysis mit OLAP? OLAP Grundlagen Endlich... Technischer Background Microsoft SQL 7 & OLAP Services Folie 2 -
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
MehrSelf Service BI. - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge
Self Service BI - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge 04. Juli 2013 Cubeware GmbH zu Gast im Hause der Raber+Märcker GmbH Referent: Uwe van Laak Presales Consultant
MehrKapitel 6 Managementunterstützungssysteme und Business Intelligence
ProKSy - EBSS Institut AIFB WS 2013/2014 Programmierung kommerzieller Systeme Einsatz betrieblicher Standardsoftware (ProKSy EBSS) Kapitel 6 Managementunterstützungssysteme und Business Intelligence Institut
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
MehrData Warehouse ??? Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle
??? Zusammenfassung, Ergänzung, Querverbindungen, Beispiele A.Kaiser; WU-Wien MIS 188 Data Warehouse Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle
MehrVon der spezialisierten Eigenentwicklung zum universellen Analysetool. Das Controlling-Informationssystem der WestLB Systems
Von der spezialisierten Eigenentwicklung zum universellen Analysetool Das Controlling-Informationssystem der WestLB Systems Begriffe und Definitionen Data Warehouse - Datensammlung oder Konzept?! Data
MehrAgenda. Hype oder Mehrwert. Herausforderungen. Methoden Werkzeuge. Kosten Nutzen. Definition Ziele
Agenda Definition Ziele Methoden Werkzeuge Herausforderungen Kosten Nutzen Hype oder Mehrwert Definition / Ziele Google Suche: define:business Intelligence Mit Business Intelligence können alle informationstechnischen
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 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
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):
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
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?
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
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
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
MehrZeitgemäße Verfahren für ganzheitliche Auswertungen
Intelligente Vernetzung von Unternehmensbereichen Zeitgemäße Verfahren für ganzheitliche Auswertungen Sächsische Industrie- und Technologiemesse Chemnitz, 27. Juni 2012, Markus Blum 2012 TIQ Solutions
MehrIT-basierte Kennzahlenanalyse im Versicherungswesen
Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen Kennzahlenreporting mit Hilfe des SAP Business Information Warehouse Diplomica Verlag Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen:
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
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
MehrScrum für Business Intelligence Projekte erfolgreich nutzen. Es begrüßt Sie Thomas Löchte
Scrum für Business Intelligence Projekte erfolgreich nutzen Es begrüßt Sie Thomas Löchte Die Informationsfabrik Die Informationsfabrik macht erfolgreiche BI und DWH Projekte und hat zufriedene, referenzierbare
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
MehrData Warehouse Theorie und Praxis. Ali Khabbazian T-Systems
Data Warehouse Theorie und Praxis Ali Khabbazian T-Systems Agenda Was ist Data Warehouse? Warum Data Warehouse? Architektur und Komponenten Wie realisiere ich mein Data-Warehouse- System? (Tools und Technik)
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,
MehrKrawatten/ CHANNEL. Fakten für t IT-Techniker. ECM, CRM & Bl erfolgreich einführen! ^ OMFACT. 1 4, 9 0 Österreich 16,40. Juni/Juli/August 2009
Juni/Juli/August 2009 1 4, 9 0 Österreich 16,40 www.tecchannel.de Benelux 17,15 Schweiz SFR 29,80 CHANNEL OMFACT IT EXPERTS INSID Krawatten/ Fakten für t IT-Techniker ECM, CRM & Bl erfolgreich einführen!
MehrSummarization-based Aggregation
Summarization-based Aggregation Daten Generalisierung: Prozess, der Anwendungsdaten schrittweise von niedrigen auf höhere konzeptuelle Level aggregiert Conceptual levels 2 3 4 5 example: all federal states
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
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)
MehrNehmen Sie sich bitte nur 5 Minuten Zeit, um über die Nutzung Ihrer Daten nachzudenken.
Nehmen Sie sich bitte nur 5 Minuten Zeit, um über die Nutzung Ihrer Daten nachzudenken. Eine suboptimale Nutzung Ihrer Daten und damit des vorhandenen Wissens über die eigenen Kunden, die eigenen Produkte
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
MehrInhalt. 4.1 Motivation. 4.2 Datenintegration. 4.3 Konzeptuelle Modellierung. 4.4 Anfragen an Data Warehouses. 4.5 Implementierungsaspekte
4. Data Warehouses Inhalt 4.1 Motivation 4.2 Datenintegration 4.3 Konzeptuelle Modellierung 4.4 Anfragen an Data Warehouses 4.5 Implementierungsaspekte 2 Literatur V. Köppen, G. Saake und K.-U. Sattler:
MehrEinführungsveranstaltung: Data Warehouse
Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring
MehrBusiness Intelligence - Wieviel Intelligence braucht das Business wirklich?
Business Intelligence - Wieviel Intelligence braucht das Business wirklich? Dr. Peter Jaeschke Leiter Kompetenzbereich Business Engineering am Institut für Informations- und Prozessmanagement der FHS St.
MehrIntelligence (BI): Von der. Nürnberg, 29. November 2011
Modelle für Business Intelligence (BI): Von der Anforderung zum Würfel Nürnberg, 29. November 2011 Warum Modelle für Business Intelligence (BI)? Warum Modelle für Business Intelligence (BI)? Bis zur Auswertung
MehrMOC 20467B: Business Intelligence-Lösungen mit Microsoft SQL Server 2012 entwerfen
MOC 20467B: Business Intelligence-Lösungen mit Microsoft SQL Server 2012 entwerfen Kompakt-Intensiv-Training Diese Schulung bereitet Sie optimal auf die MOC-Zertifzierung vor. In dieser Schulung werden
MehrTeil II: Architektur eines Data-Warehouse-Systems... 57
O:/Wiley/Reihe_Dummies/9783527714476_Gerken/3d/ftoc.3d from 08.08.2018 14:02:02 Auf einen Blick Einleitung... 19 Teil I: Was ist ein Data Warehouse?... 25 Kapitel 1: Ein Beispiel zur Einführung..... 27
MehrZukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO
innovation@work Zukunftsträchtige Potentiale: Predictive Analysis mit SAP HANA & SAP BO thinkbetter AG Florian Moosmann 8. Mai 2013 1 Agenda Prädiktive Analyse Begriffsdefinition Herausforderungen Schwerpunktbereiche
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
MehrFrüherkennung mit Business-Intelligence- Technologien
Bernhard Gehra Früherkennung mit Business-Intelligence- Technologien Anwendung und Wirtschaftlichkeit der Nutzung operativer Datenbestände Mit einem Geleitwort von Prof. Dr. Thomas Hess Deutscher Universitäts-Verlag
MehrData Warehousing. DWH Projekte. Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing DWH Projekte Ulf Leser Wissensmanagement in der Bioinformatik Inhalt DWH Projekte Spezifika Die kritischen Punkte Warum scheitern DWH Projekte? Ulf Leser: Data Warehousing, Vorlesung,
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
MehrVorlesung Methodische Grundlagen des Software-Engineering im Sommersemester 2014
Vorlesung des Software-Engineering im Sommersemester 2014 Prof. Dr. Jan Jürjens TU Dortmund, Fakultät Informatik, Lehrstuhl XIV Teil 2.8: Werkzeugunterstützung für Process-Mining v. 09.06.2014 1 für Process-Mining
MehrDW Data Warehousing Funktionsweise, Einsatz- und Problemfelder
DW Data Warehousing Funktionsweise, Einsatz- und Problemfelder Andreas Meier, Universität Fribourg Folie 1 DW Cartoon Quelle: Knoll M., Meier A. (Hrsg): Web & Data Mining. Praxis der Wirtschaftsinformatik,
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
MehrPerformance Management
Dr. Olaf Hoffmann 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Performance Management Systeme und Implementierungsansätze
MehrObjektorientierte Datenbanken
OODB 11 Slide 1 Objektorientierte Datenbanken Vorlesung 11 vom 01.07.2004 Dr. Sebastian Iwanowski FH Wedel OODB 11 Slide 2 Inhalt heute: Datenbanken in betriebswirtschaftlichen Anwendungen OTLP (SAP) Data
MehrBusiness Intelligence. Business Intelligence Seminar, WS 2007/08
Business Intelligence Seminar, WS 2007/08 Prof. Dr. Knut Hinkelmann Fachhochschule Nordwestschweiz knut.hinkelmann@fhnw.ch Business Intelligence Entscheidungsorientierte Sammlung, Aufbereitung und Darstellung
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
MehrS k u l p t u r e n. B i l d e r. T e x t e. H e l g a S i m m e r l e b i s B a n d 2
S k u l p t u r e n B i l d e r T e x t e H e l g a S i m m e r l e 1 9 9 3 b i s 1 9 9 5 B a n d 2 S k u l p t u r e n H e l g a S i m m e r l e B i l d e r H e l g a S i m m e r l e Te x t e H e l g
MehrUmsetzung der Anforderungen - analytisch
Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird
MehrMarketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Übersicht über Business Intelligence Josef Kolbitsch Manuela Reinisch Übersicht Beispiel: Pantara Holding Der Begriff Business Intelligence Übersicht über ein klassisches BI-System
MehrParadise Found Roadshow 2017
Paradise Found Roadshow 2017 Von Daten zu wertvollen Informationen Wie Sie datenschutzkonform und agil ihre Daten für maschinelles Lernen aufbereiten Wie wichtig ist heute Data Preparation für Data Discovery
MehrDatenqualität-Der GQM- Ansatz und das DWQ- Projekt
Datenqualität-Der GQM- Ansatz und das DWQ- Projekt Guy Hermann Ngassa Imperfektion und erweiterte Konzepte im Data Warehousing 2 Überblick Einleitung Data-Warehouse-Qualität-Projekt (DWQ-Projekt) Bezug
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
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
MehrDineso Software - Technische Daten
Dineso Software - Technische Daten Zahlen, Daten, Fakten zu Software und Anwendung Inhaltsverzeichnis: 1. Allgemeine Informationen zur Dineso Software 2. Technische Voraussetzungen 3. Ablauf eines BI-Projektes
MehrD a m i t I h r e I T m i t I h r e n A n s p r ü c h e n m i t h ä l t! COMPAREX Professional Services
D a m i t I h r e I T m i t I h r e n A n s p r ü c h e n m i t h ä l t! Professional Services www.comparex.de Juni 2013 Transparenz und Effizienz durch BI im Gesundheitswesen Bernhard Rawein, AG 20. Februar
MehrSAP Business Intelligence
SAP Business Intelligence Helmut Roos Diplom-Ingenieur Unternehmensberater Grundlagen zu Netweaver 7.0 D-67067 Ludwigshafen +49 (621) 5 29 44 65 Data Acquisition Common Read / Write Interface Open Interface
MehrPräsentation der Bachelorarbeit
Präsentation der Bachelorarbeit Einrichtung einer BI-Referenzumgebung mit Oracle 11gR1 Jörg Bellan Hochschule Ulm Fakultät Informatik Institut für Betriebliche Informationssysteme 15. Oktober 2009 Agenda
MehrMerkblatt DWH. Mittwoch, 6. Januar 2016 13:55. Info Seite 1
Info Seite 1 Merkblatt DWH Mittwoch, 6. Januar 2016 13:55 Version: 1.0.0 Study: 3. Semester, Bachelor in Business and Computer Science School: Hochschule Luzern - Wirtschaft Author: Janik von Rotz (http://janikvonrotz.ch)
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
MehrXML-Datenaustausch in der Praxis Projekt TOMIS bei der ThyssenKrupp Stahl AG
Mittwoch, 9. November 2005 13h00, Bruno-Schmitz-Saal 18. Deutsche ORACLE-Anwenderkonferenz XML-Datenaustausch in der Praxis Projekt TOMIS bei der ThyssenKrupp Stahl AG Volker Husemann Thyssen Krupp Stahl
MehrKapitel 4: Data Warehouse Architektur
Data Warehousing, Motivation Zugriff auf und Kombination von Daten aus mehreren unterschiedlichen Quellen, Kapitel 4: Data Warehousing und Mining 1 komplexe Datenanalyse über mehrere Quellen, multidimensionale
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
MehrVorlesung Methodische Grundlagen des Software-Engineering im Sommersemester 2013
Vorlesung des Software-Engineering im Sommersemester 2013 Prof. Dr. Jan Jürjens TU Dortmund, Fakultät Informatik, Lehrstuhl XIV Teil 2.9: Werkzeugunterstützung v. 13.05.2013 1 [mit freundlicher Genehmigung
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
MehrIFRA wie Sie Ihre IT- Architektur jetzt erfolgreich umstellen
IFRA wie Sie Ihre IT- Architektur jetzt erfolgreich umstellen Webinar, 16.03.2018 Q_PERIOR Agenda 1. Ausgangssituation und Zielsetzung 2. Welchen Fachprozess/ Facharchitektur sollte eine IFRA unterstützen?
MehrData Warehouse. dem Kunden auf der Spur. 4.SAP-Anwenderforum FH NON Lüneburg 16. März 2001. Dr. Anselm Schultze GS Versicherungen Nord CSC PLOENZKE
Data Warehouse dem Kunden auf der Spur 4.SAP-Anwenderforum FH NON Lüneburg 16. März 2001 Dr. Anselm Schultze GS Versicherungen Nord CSC PLOENZKE Copyright CSC PLOENZKE AG 1 Inhalt Agenda Data Warehouse
MehrInhaltsverzeichnis. 1 Informationssysteme 2. 2 Geschäftsprozesse 3. 3 Wirtschaft 4. 4 Operative Anwendungssysteme 6
Inhaltsverzeichnis 1 Informationssysteme 2 2 Geschäftsprozesse 3 3 Wirtschaft 4 4 Operative Anwendungssysteme 6 5 Operative Anwendungssysteme Forsetzung 7 6 Analytische Anwendungssysteme 8 7 Integrierte
MehrEinstieg in Business Intelligence mit Microsoft SharePoint 2010
Martin W. Angler Einstieg in Business Intelligence mit Microsoft SharePoint 2010 Microsoft Press Einleitung 11 Was Sie in diesem Buch finden 12 Aufbau dieses Buchs 12 Kapitel 1: Was ist Business Intelligence?
MehrClick Reply WM Analytics
Click Reply WM Analytics Vertretung Deutschland GS-automation GmbH Winterstraße 2 D-82223 Eichenau b. München Tel.: 08141/357 31-35 FAX: 08141/357 31-38 E-mail: info@gs-automation.de Click Reply WM Analytics
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
Mehr<Insert Picture Here> Überblick zum neuen Business Intelligence Enterprise Edition
Überblick zum neuen Business Intelligence Enterprise Edition Thorsten Urban Sales Consultant, Competence Center Business Intelligence Business Intelligence: Entwicklungstrends Business
MehrBI-Navigator. Business Intelligence
BI-Navigator Business Intelligence BI-Navigator BI-Navigator Corporate Performance Management Der BI-Navigator ist die Lösung von Innovabee für Corporate Performance Management. Mit diesem empfängerorientiertem
MehrSeminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing
Seminar in der Seminarreihe Business Intelligence 1 OLAP und Datawarehousing OLAP & Warehousing Die wichtigsten Produkte Die Gliederung Produkt Bewertung & Vergleiche Die Marktentwicklung Der aktuelle
MehrFischen im Datensee FOLIO Reporting
Fischen im Datensee FOLIO Reporting Ingolf Kuss, hbz NRW FOLIO Informationstage, Göttingen 26. April 2018 Reporting SIG trifft sich seit April 2017 wöchentlich z.zt. 29 Mitglieder 2 Mitglieder aus Deutschland
MehrPraktikum: Data Warehousing und Data Mining
Themenblock: Data Warehousing II Praktikum: Data Warehousing und Data Mining Praktikum Data Warehousing und Mining, Sommersemester 2009 DMC: Ergebnisse Platz Team Punkte 1 Uni Karlsruhe (TH)_II 17260,0
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
MehrFrühjahrsemester cs243 Datenbanken Kapitel 1: Einführung. H. Schuldt. Anwendungsbeispiel. Filiale Allschwil
Frühjahrsemester 2013 cs243 Datenbanken Kapitel 1: Einführung H. Schuldt Anwendungsbeispiel Filiale Muttenz Filiale Allschwil Filiale Liestal Anfragen: Welches Produkt hat sich am 26.02.2013 in der Filiale
MehrBusiness Performance Management Next Generation Business Intelligence?
Business Performance Management Next Generation Business Intelligence? München, 23. Juni 2004 Jörg Narr Business Application Research Center Untersuchung von Business-Intelligence-Software am Lehrstuhl
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
Mehr