Data Warehouse (DWH) / (Business Intelligence, BI )
|
|
- Charlotte Schwarz
- vor 7 Jahren
- Abrufe
Transkript
1 Data Warehouse (DWH) / (Business Intelligence, BI ) Begriffsbildung: Ein Data Warehouse ist eine themenorientierte, integrierte, zeitabhängige, nichtflüchtigedatenbank fürdie Unterstützung von Managemententscheidungen (William H. Inmon 1992) Vollständigkeit (zu einem gewissen Grad) Flexible Auswertungen mit Verdichtungen (BI) Zeitreihen, insbesondere Änderungshistorien Mehrere Komponenten : ETL Tools Datenbasis Data Marts / OLAP Server Abfrage / Auswertungswerkzeug (OLAP, Reporting,...) (BI) Wesentliche Unterschiede zuoltp Systemen 1
2 Sytemkonzept Datenintegration: Operative e Unternehmensdaten e e Data Warehouse Fachdaten Fachdaten Fachdaten Fachdaten Fachdaten extrahieren bereinigen i laden Data Warehouse Externe Daten GEO Daten Markt prognosen... Unternehmensdaten 2
3 Data Warehouse Aufgabenstellung Datenmanagement: Inhalte des Data Warehouse bestimmt durch Informationsbedarf Nutzer Datenangebot operationaler Systeme (+ externe Ergänzungen) Schema des Data Warehouses bestimmt durch Fakten (Fakttabellen) Dimensionen (Dimensionstabellen) Dargestellt in Star, Snowflake, Starflake Schemata Optimierung auf Abfragen und Auswertungen Dimensionale Darstellung Drill Down Slice&Dice Anwendungen: Online Analytical Processing (OLAP) und Business Descision Reporting (BDR) 3
4 Praktisches Architekturszenario Data Warehouse Front End Tools Reporting Analyzing Data Mining OLAP Server Data Marts Data Warehouse Back End Tools Laden/Refresh Extraktion Metadaten Data Cleansing Korrektur Record Linkage Admin nistration T Tools Datenquellen ExterneSysteme Operative Systeme 4
5 Konkrete Projekte: Data Warehouse 1. LOGOS DW Komplette IT Plattform für Deutsche Steinkohle AG (LOGOS) Data Warehouse für kommerzielle und technische Daten 2. Common Club Information Technology (CCIT) Gemeinsame Business und IT Plattform aller BAG Buchklubs Vollständige Abdeckung der Geschäftsprozesse 3. Kundenmarketingsystem (KMS) Zusammenführung der BAG Kundendaten im deutschsprachigen Raum Auswertung der Daten für Marketingaktionen 4. BOL System Standard E Commerce Plattform von Bertelsmann Übernimmt auch das konventionelle Business (auf Dauer) 5
6 LOGOS DWH Data Mart LOGOS DW Data Mart Data Mart OLAP OLAP Data Warehouse BDR Pooltabellen Manuelle Erfassung Nicht SAP Systeme SAP Systeme 6
7 Common Club Information Technology (CCIT) Supply Chain Mgmt Front End Services Product Marketing Pricing & Planning OLAP Database Marketing BDR Data Warehouse 7
8 Kundenmarketingsystem (KMS) Adressdaten Kundendaten KMS Data Data Data Mart Mart Mart Data Warehouse Pooltabellen Analysen Tests Aktionen Berliner Zeitung Sächsische Zeitung Gruner & Jahr... Club D 8
9 Lösungsszenario KMS Aufgabenstellung Kunden /Marktanalyse Basis: Individualdaten Segmentanalyse Segmentselektion Früherkennung Wirkungsanalysen... Kundendaten Grunddaten Potentialdaten Aktionsdaten Reaktionsdaten Marketingaktion Basis: Individualdaten Kommunikationspolitik: Werbung Produkt und Sortimentsgestaltung Preis und Konditionsgestaltung Distributionspolitik Reaktionserfassung Basis: Individualdaten Ökonomischer Erfolg Außerökonomischer Erfolg (Anfragen, Einstellungen, Kenntnisse, Rückläufe etc.) Wettbewerbererfolg... 9
10 Lösungsszenario KMS Aufgabenstellun Beispiel Database Marketing: Integriere alle Kundeninformationen, z. B. aus verschiedenen Firmen Füge zusätzliche Informationen hinzu, etwa Regionaldaten Gleiche Daten mit weiteren Informationen ab (z. B. Postadressen) Bilde Bewertungen Segmentiere Steuere Aktionen ki (Kundenkontakte) k Prüfe die Ergebnisse Wichtig: Operationale Systeme existieren! Neue Anforderungen nur im Gesamtkontext lösbar! 10
11 Lösungsszenario KMS Architektur Campaign Management Data Warehouse Laden Data Mart Data Mart Data Mart BDR Data Mining OLAP Lokale Daten Extraktion und Transformation Metadaten 11
12 Lösungsszenario KMS Realisierung: Fragen zur Konstruktion von KMS aus Komponenten: Organisation des Data Warehouses (ROLAP, MOLAP) Welche Datenbank (ORACLE?) Welches ETL Tool (Eigenentwicklung) Welche Adressbereinigungssoftware (Konzerntechnologie) Welches OLAP Tool (beliebig nach Kundenwunsch) Welches Data Mining Tool (SAS + Neuronale Netze) Campaign Managment (Workflow )Tool (Umfang?)... Orthogonalität der Funktionen der Komponenten? 12
13 Lösungsszenario KMS Machbarkeit: Proof of Infrastructure (POI): Mengengerüst und Funktionalität für KMS: 10 Mio Verträge á 1,5 KByte, 50 K Produkte á 300 Byte, 320 Mio Transaktionen á 250 Byte (5 Jahre DDI bzw. Club D) Data Marts als monatliche Verdichtungen zu Verträgen, Kunden und Haushalten (je 120 Mio Einträge á 73 Byte) Initiales Laden, tägliches Inkrement, Massenselektionen Maximale Dauern festgelegt (Batchfenster Wochenende, Nachts) ORACLE 8.05 auf SUN Enterprise 4000 (mit Veritas File System) Initial 6 Prozessoren 3 GB Hauptspeicher, 1,3 TB Platten (144 Vol.) (Knapp) Erfolgreich mit 10 Prozessoren, 5 GB Hauptspeicher, 1,3 TB Platten Dauer: 3 Monate (Durchgeführt bei/von ORACLE!) Intensive Nutzung von ORACLE Optimierungs Know How (Stripping, Partitionierung von Tabellen, Selektionsreihen) 13
14 Zusammenfassung Data Warehouse Nutzung von Data Warehousing: Integration der Daten verhilft zu neuen Einsichten Aggregierte Information liefert Vogelperspektive Navigation durch Dimensionen und zugehörige Fakten Unterstützung einer Reihe von Werkzeugen (BDR, OLAP, Data Mining etc.) Data Warehouses existieren (Konzerne) Data Warehouses werden weiterhin aufgebaut (im wesentlichen KMU) Weiterentwicklung: Data Warehouses operieren zunehmend mit granularen Daten Globalisierung führt zu riesigen Datenmengen Historisierung betrifft mehrere Jahre Verdichtungen / Kennzahlen sind beliebig Massenselektionen / Bewertungen nutzen alle Datensätze Zugriffs /Auswertungszeiten sind Bottleneck 14
ZWISCHEN 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.
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
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
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
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
MehrWelche BI-Architektur braucht Ihr Reporting?
Welche BI-Architektur braucht Ihr Reporting? Variante 1: Direkter Zugriff Keine redundanten Daten Schnelle Erkenntnisse Echte Daten für PoCs Echtzeit-Reporting ohne Zwischenstufen Belastung der operativen
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
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
MehrAufbau eines Kennzahlensystems in der Logistik mit Oracle BI
Beratung Software Lösungen Aufbau eines Kennzahlensystems in der Logistik mit Oracle BI Gisela Potthoff Vertriebsleiterin TEAM GmbH Zahlen und Fakten Unternehmensgruppe Materna: 1.500 Mitarbeiter 192 Mio.
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
Mehr1 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....................................
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 Warehouse Automation und Life Cycle Management mit AnalyticsCreator
Data Warehouse Automation und Life Cycle Management mit AnalyticsCreator Unternehmensdaten Gründung: 1988 Mitarbeiter: 20 Standorte Lichtenfels (Firmensitz) Fulda, Chemnitz, München (Vertrieb und Service)
MehrDatawarehouse Architekturen. Einheitliche Unternehmenssicht
Datawarehouse Architekturen Einheitliche Unternehmenssicht Was ist Datawarehousing? Welches sind die Key Words? Was bedeuten sie? DATA PROFILING STAGING AREA OWB ETL OMB*PLUS SAS DI DATA WAREHOUSE DATA
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
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
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
MehrTHEMA: SAS DATA INTEGRATION STUDIO FÜR MEHR TRANSPARENZ IM DATENMANAGEMENT EVA-MARIA KEGELMANN
WEBINAR@LUNCHTIME THEMA: SAS DATA INTEGRATION STUDIO FÜR MEHR TRANSPARENZ IM DATENMANAGEMENT EVA-MARIA KEGELMANN HERZLICH WILLKOMMEN BEI WEBINAR@LUNCHTIME Moderation Anne K. Bogner-Hamleh SAS Institute
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
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
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. 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
MehrOracle BI&W Referenz Architektur Big Data und High Performance Analytics
DATA WAREHOUSE Oracle BI&W Referenz Architektur Big Data und High Performance Analytics Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen
MehrIntegrierte Unternehmensplanung in Zeiten der Digitalen Transformation.
Integrierte Unternehmensplanung in Zeiten der Digitalen Transformation www.pikon.de Agenda. Warum reden wir über Digitale Transformation? Was macht Planung schwierig? Wie gehen wir vor? Zusammenfassung
MehrWelche Verantwortung trägt ein CDO?
Big-Data and Data Science Day 25. Juli Hochschule der Medien Stuttgart Welche Verantwortung trägt ein? Holger Stelz Director Marketing & Business Development 1 UNISERV GmbH, Pforzheim 3 Beispiele - Uniserv
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
MehrSAP BW auf HANA Frank Riesner, Solution Architect, SAP (Schweiz) AG
SAP BW auf HANA 2015+ Frank Riesner, Solution Architect, SAP (Schweiz) AG SAP BW auf HANA Architektur SAP BW auf klassischer Datenbank SAP BW 7.4 auf HANA Virtuelle Schichten Persistente Schichten 2015
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
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,
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 IM MITTELSTAND EIN PRAXISBERICHT
BUSINESS INTELLIGENCE IM MITTELSTAND EIN PRAXISBERICHT Meik Truschkowski Architekt für Business Intelligence und Data Warehousing nobilia-werke J. Stickling GmbH & Co. KG Verl, den 31. Oktober 2011 UNTERNEHMENSPROFIL
MehrBusiness Intelligence Center of Excellence
Center of Excellence Eine Businessinitiative von Systematika und Kybeidos Werner Bundschuh Was ist das? In der Praxis versteht man in den meisten Fällen unter die Automatisierung des Berichtswesens (Reporting).
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
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
MehrSQL-basierte SCD2-Versionierung hierarchischer Strukturen
SQL-basierte SCD2-Versionierung hierarchischer Strukturen Meik Truschkowski nobilia-werke J. Stickling GmbH & Co. KG Verl Projektleiter Business Intelligence und Data Warehousing 1 SQL-basierte SCD2-Versionierung
MehrDOAG SIG Day E-Business Suite
DOAG SIG Day E-Business Suite Planung und Simulation in, um und um die Oracle E-Business Suite herum München 15. Juni 2005 Dr. Frank Schönthaler PROMATIS software GmbH 1 Gliederung Gliederung Traditionelle
MehrDATA WAREHOUSE. Big Data Alfred Schlaucher, Oracle
DATA WAREHOUSE Big Data Alfred Schlaucher, Oracle Scale up Unternehmensdaten zusammenfassen Noch mehr Informationen aus Unternehmens- Daten ziehen! Datenmengen, Performance und Kosten Daten als Geschäftsmodell
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
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
Mehrsimply sophisticated Integration von SAP und Non SAP Lösungen Marktüberblick, Techniken, Möglichkeiten & Probleme
simply sophisticated Integration von SAP und Non SAP Lösungen Marktüberblick, Techniken, Möglichkeiten & Probleme Patrick Theobald Zur Person Patrick Theobald Geschäftsführer Theobald Software GmbH seit
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
MehrDas modulare DWH Modell
Das modulare DWH Modell Durchgängige Business Intelligence durch eine praktikable DWH Referenzarchitektur Arno Tigges, Seniorberater OPITZ CONSULTING München GmbH DOAG SIG DWH/BI, Köln, 29. Juni 2010 OPITZ
MehrFREUDENBERG IT. Mobile Business Intelligence
FREUDENBERG IT Mobile Business Intelligence Mobile Business Intelligence AGENDA Herausforderung mobiler Lösungen Vorstellung der Produkte Freudenberg ITs Lösungen Warum SAP? Herausforderung mobiler Lösungen
MehrProduktionscontrolling auf dem Weg zur Industrie 4.0
Produktionscontrolling auf dem Weg zur Industrie 4.0 Intelligente Produktion durch Real-Time-Big-Data-Analyse von Sensordaten & Bern, 27.05.2016 Jörg Rieth Jedox vereinfacht Planung, Reporting & Analyse
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
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?
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
Mehr<Insert Picture Here> 8. Business Intelligence & Data Warehouse Konferenz
1 The Safe Harbor The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not a commitment
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
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
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
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 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
MehrAgenda joinit für 7-IT
Agenda joinit für 7-IT 1. Einleitung / Allgemeine Einordnung von joinit (PowerPoint) 2. Lösungen für Incident-, Change und Problem- Management mit joinit bei der HVB-INFO (PowerPoint) 3. Fragen / Lösungsansätze
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
MehrEinführungsveranstaltung: Data Warehouse
Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring
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
Mehr1Ralph Schock RM NEO REPORTING
1Ralph Schock RM NEO REPORTING Bereit für den Erfolg Business Intelligence Lösungen Bessere Entscheidungen Wir wollen alle Mitarbeiter in die Lage versetzen, bessere Entscheidungen schneller zu treffen
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,
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
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
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
MehrVom operativen Reporting zur Analyse Der Weg zu einer ganzheitlichen Sicht auf die IT-Services Swiss Forum,
Vom operativen Reporting zur Analyse Der Weg zu einer ganzheitlichen Sicht auf die IT-Services Swiss Forum, 20.03.2018 Wer wir sind Gegründet in 2001 als eigenständige Konzerntochter der börsennotierten
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,
MehrOracle 10g revolutioniert Business Intelligence & Warehouse
10g revolutioniert Business Intelligence & Warehouse Marcus Bender Strategisch Technische Unterstützung (STU) Hamburg 1-1 BI&W Market Trends DWH werden zu VLDW Weniger Systeme, mehr Daten DWH werden konsolidiert
MehrVerwaltung von OBI Metadaten: XML-Integration die Lösung aller Probleme? DOAG Konferenz und Ausstellung 2013
Verwaltung von OBI Metadaten: XML-Integration die Lösung aller Probleme? DOAG Konferenz und Ausstellung 2013 Michael Weiler, PROMATIS software GmbH Nürnberg, 1 Gliederung OBIEE Metadatenverwaltung Einführung
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
MehrBusiness Intelligence Data Warehouse. Jan Weinschenker
Business Intelligence Data Warehouse Jan Weinschenker 28.06.2005 Inhaltsverzeichnis Einleitung eines Data Warehouse Data Warehouse im Zusammenfassung Fragen 3 Einleitung Definition: Data Warehouse A data
MehrNeues zur Oracle Lizenzierung (Michael Paege, OPITZ CONSULTING Hamburg, DOAG Competence Center Lizenzen)
Neues zur Oracle Lizenzierung (Michael Paege, OPITZ CONSULTING Hamburg, DOAG Competence Center Lizenzen) Neues zur Oracle Lizenzierung, DOAG Nordlichtertreffen, 16. Juni 2009 Seite 1 Geänderte Faktoren
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
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
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
MehrKennzahlen und Datenlogistik
Kennzahlen und Datenlogistik Neue Perspektiven auf das Tagesgeschäft für Technologie, KnowHow und Betrieb Martin Genest, Team Manager SAP & Data Solutions Leipzig, Inhalt 1. Das Thema 2. Kennzahlen und
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
MehrSAP Analytics für KMU. Oktober 2017
SAP Analytics für KMU Oktober 2017 1. Trend 2. Lösung Inhalt 3. Szenarien 4. Angebot 5. Vorteile 6. Testen Sie es! 7. Referenz 8. Unsere Kunden 9. Kontakt Reporting mit Excel? Werden Sie es los. Ganz einfach.
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 -
MehrDM04: Datenmodellierung im Data Warehouse Zweitägiges Intensivseminar. Ein Seminar der DWH academy
DM04: Datenmodellierung im Data Warehouse Zweitägiges Intensivseminar Ein Seminar der DWH academy Seminar DM04 Datenmodellierung im Data Warehouse (Zwei Tage) Multidimensionale Modelle, Star- oder Snowflake-Schema
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)
MehrData Preparation im Fachbereich Aus Rohdaten den Treibstoff für Ihr Unternehmen gewinnen. Webinar, Timm Grosser, Head of BI Consulting
Data Preparation im Fachbereich Aus Rohdaten den Treibstoff für Ihr Unternehmen gewinnen Webinar, 13.09.2017 Timm Grosser, Head of BI Consulting Über die CXP Group 2 BARC: Expertise für datengetriebene
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
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...............
MehrDOAG Hochschul-Community Ulm
DOAG Hochschul-Community Ulm Berufsbild BI/DWH-Berater Peter Schneider Projektmanager OPITZ CONSULTING GmbH Ulm, 21.04.2010 OPITZ CONSULTING GmbH 2010 Seite 1 Märkte Kunden Leistungsangebot Fakten Java
Mehrgood. better. outperform.
good. better. outperform. Quo Vadis Oracle BI Relational oder besser multidimensional? DOAG 2013 Business Intelligence, 17.04.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence
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
MehrProduktionsdaten mit Unternehmensdaten vernetzen
Produktionsdaten mit Unternehmensdaten vernetzen Von Big Data zu Smart Data 17. November 2016 Peter Strohm Marc Tesch Jedox vereinfacht Planung, Reporting & Analyse BI & CPM Software in der Cloud & On-premises
MehrExadata und In-Memory Datenbewirtschaftung und Analyse Extrem mit Exadata und InMemory (Erfahrungsbericht)
Exadata und In-Memory Datenbewirtschaftung und Analyse Extrem mit Exadata und InMemory (Erfahrungsbericht) Christian Haag, DATA MART Consulting Consulting Manager Oracle DWH Team Inhalt Thematik (Einordnung
MehrMarketing Intelligence Architektur und Konzepte. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Architektur und Konzepte Josef Kolbitsch Manuela Reinisch Übersicht Mehrstufiges BI-System Architektur eines Data Warehouses Architektur eines Reporting-Systems Benutzerrollen in
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
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...
Mehr2. Integrationsgegenstände: Prozesse, Funktionen, Daten, IT-Systeme. 3. Vertikale Integrationsrichtung: organisationale Ebenen
Anwendungssysteme 1. Integrationsdimensionen 2. Integrationsgegenstände: Prozesse, Funktionen, Daten, IT-Systeme 3. Vertikale Integrationsrichtung: organisationale Ebenen 4. Horizontale Integrationsrichtung:
MehrKonzeption und Umsetzung eines Data Warehouse zur Erstellung von Ganglinien und zur Bewertung von Prognosen im Verkehr
Konzeption und Umsetzung eines Data Warehouse zur Erstellung von Ganglinien und zur Bewertung von Prognosen im Verkehr Studienarbeit von Ling Kong Betreuer: Heiko Schepperle 15. Oktober 2004 IPD - Institut
Mehr"Hier kann ich mich weiterentwickeln!"
"Hier kann ich mich weiterentwickeln!" Zur Verstärkung suchen wir für die Standorte München und Dresden einen Reporting Expert (m/w) Leistungsspektrum der BBF BBF ist ein mittelständisches Unternehmen
MehrExadata Engineered Systems als Lösung? Reinhold Boettcher, Systemarchitekt Infrastruktur, arvato Systems
Exadata Engineered Systems als Lösung? Reinhold Boettcher, Systemarchitekt Infrastruktur, arvato Systems 1 Name arvato Systems December 10, 2013 Agenda arvato Systems GmbH wer ist denn das? Herausforderungen
MehrData Warehouse in der Telekommunikation
Data Warehouse in der Telekommunikation Hans-Friedrich Pfeiffer Talkline GmbH & Co.KG Elmshorn, 11.06.2007 Übersicht Historie Struktureller Aufbau des Dara Warehouse Anforderungen an das Data Warehouse
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
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
Mehr1 Aus Theorie wird Praxis
1 BI@BITMARCK Aus Theorie wird Praxis BI@BITMARCK Aus Theorie wird Praxis René Wilms, BITMARCK Essen, 03. November 2016 2 BI@BITMARCK Aus Theorie wird Praxis Warum musste BITMARCK handeln? Zielstellung
MehrO-BIEE Einführung mit Beispielen aus der Praxis
O-BIEE Einführung mit Beispielen aus der Praxis Stefan Hess Business Intelligence Trivadis GmbH, Stuttgart 2. Dezember 2008 Basel Baden Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg
MehrAnalyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria
Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards
Mehr