DWH Best Practices das QUNIS Framework 80 Jahre Erfahrung bei der Modellierung & dem Betrieb von DWH. Referent: Ilona Tag

Transkript

1 DWH Best Practices das QUNIS Framework 80 Jahre Erfahrung bei der Modellierung & dem Betrieb von DWH Referent: Ilona Tag

2 Agenda Begrüßung & aktuelle Entwicklungen bei QUNIS QUNIS 360 was war, was wird? BI, Big Data, Cloud, Predictive & Advanced Analytics, Streaming Microsoft Power BI: alle Daten, überall, jederzeit die maximale Power für Ihr Unternehmen! Daten integrieren, modellieren, visualisieren & veröffentlichen TRACK I Business Intelligence & Big Data auf die Kombination kommt es an! Nutzen aus bestehenden Daten erhöhen & neue Datenquellen erschließen TRACK II Infrastruktur & Datenarchitekturen für Big-Data-Szenarien Hadoop & Co. Im Detail Mittagspause Business-Intelligence- & Big-Data-Strategie Vorgehen und Herausforderungen bei der Strategieentwicklung Business Intelligence on Top of SAP (Kundenvortrag) DWH Automation Steigerung von Qualität, Effektivität und Transparenz in der DWH Implementierung und dem Betrieb DWH Best Practices das QUNIS Framework 80 Jahre Erfahrung bei der Modellierung & dem Betrieb von DWH Big Data zum Anfassen Live Präsentation einer Streaminganalyse & Machine Learning Kaffeepause In 30 Minuten zur Business-Intelligence-Lösung in der Cloud Aufbau einer BI-Infrastruktur & Entwicklung von Reports Live Live on Stage: GAPTEQ Premiere des ersten eigenen QUNIS Tools

3 Business Intelligence wichtiger denn je! Business Intelligence umfasst die Sammlung, Speicherung und Aufbereitung von Daten zur Unterstützung von Reporting, Analyse und Planungsaufgaben im Rahmen von Entscheidungsprozessen.

4 Die Herausforderung: Gewachsene BI Landschaften

5 Die Herausforderung Gewachsene BI Landschaften und Szenarien Others Σ Σ Σ ERP Flüchtige Auswertungen Multiple Geschäftsregeln Fehlende Revisionssicherheit Others Others DWH Eigenbau ERP CRM ERP Heterogene Landschaften Schlechte Performance oder Wartbarkeit

6 Die gute Lösung: DWH Best Practices - das QUNIS Framework

7 Data Warehouse Das QUNIS Framework DWH Best Practices DWH Methoden ETL Strategien QUNIS Best Practices State of the Art Technik QUNIS Framework Frontend Data Mart DW Core Cleansing Area Staging Area Quellen

8 Data Warehouse QUNIS Data Warehouse Framework Werkzeugkoffer für eine schnelle Umsetzung bei gleichzeitig hoher Qualität Frontend Dashboard, Reporting, Analyse, Planung, Data Mining Informationsaufbereitung Data Mart Star / Snowflake Multidimensional Fachbereichsspezifische Transformationen / Verdichtungen / Zusatzberechnungen Frontendgerechte Bereitstellung Datenmodelle Relationale und/oder Multidimensionale Strukturen Bedarfsweise zusätzliche Historisierung Data Mart Ergebnisse DW Core 3. Normalform Historisieren der Änderungen (Dimensionen) Durchführen Veredelungen / Zusatzberechnungen mit unternehmensweitem Charakter Durchführen zentrale Sonderfunktionen, z. B. Exposureverlauf, Zeitreihenkalkulationen, Cleansing Area 3. Normalform Ermitteln Delta Änderungen voriger Lauf (Dimensionen) Konsistenzchecks / Bereinigen / Komplettieren Überführung in Datawarehouse Zielmodell Staging Area Ursprungstabellen Individuelle Tabellen ODS MD/WB Datenbereitstellung / Operational Data Store Masterdaten / Writeback DB (Datensammlung) Quellen ERP, CRM, PPS, HR, DMS, Sensoren, DB, Flat Files, Open Data Feed, Social Quellsysteme

9 Effiziente und schnelle Implementierung: Live Demo

10 Leistungsumfang des QUNIS Data Warehouse Framework Vorgefertigte Standardfunktionen und Best Practices als Lösung für Data Warehouses Konsolidierung, Plausibilisierung und Konsistenzprüfung der Quellsystemdaten mit automatischer -Verteilung der Fehlerlisten Attributgenauer Abgleich und Default-Werte für fehlende / unbekannte Dimensions-Links Vollständige Historisierung aller Dimensionsattribute Nur eine Stelle für zentrale Businesslogik Single Point of Truth Performanceoptimierte Zusatzberechnungen definierter Kenngrößen und Key Performance Indikatoren (KPI) Bereitstellung fachspezifischer Themenfelder und / oder Vorverdichtungen in Form von Data Marts relational und / oder multidimensional Zusätzliche Historisierung relationale Data Marts Minimierung Betriebsaufwand durch automatische -Statusberichte im Erfolgs- und Fehlerfall plus bedienerfreundliche Wiederanlauf-Automatismen Besonders wartungsfreundlich durch hohen Standardisierungsgrad der Architektur und Datenbewirtschaftungsmethoden

11 Data Warehouse QUNIS Standard BI Architektur Frontend Dashboard, Reporting, Analyse, Planung, Data Mining Microsoft Office / SharePoint, Microsoft Power BI BOARD Data Mart Star / Snowflake Multidimensional Microsoft SQL Server SSAS / rel. DB BOARD DW Core 3. Normalform Microsoft SQL Server Cleasing Area 3. Normalform Staging Area Ursprungstabellen Individuelle Tabellen ODS MD/WB SQL Server Integration Services (SSIS), Theobald (SAP Schnittstelle) Quellen ERP, CRM, PPS, HR, DMS, Sensoren, DB, Flat Files, Open Data Feed, Social