Metadaten und Datenqualität. Metadaten. Nutzung von Metadaten
|
|
- Simon Nikolas Buchholz
- vor 6 Jahren
- Abrufe
Transkript
1 Metadaten und Datenqualität Rolle von Metadaten Metadatenmanagement Standards für Repositories und Metadatenaustausch Metadatenschemata für DW Datenqualität Vorlesung Data-Warehouse-Technologien 8-1 Metadaten Begriff: jede Art von Information, die für den Entwurf, die Konstruktion und die Benutzung eines Informationssystems benötigt wird für DW: notwendig zur Abdeckung der Informations- Schutz- und Sicherheitsbedürfnisse der Anwender und Softwarekomonenten werden in allen Phasen produziert und genutzt konsistente Bereitstellung der Metadaten aus unterschiedlichen Quellen notwendig Repository Vorlesung Data-Warehouse-Technologien 8-2 Nutzung von Metadaten Passiv: als Dokumentation der verschiedenen Aspekte eines DW-Systems Aktiv: Speicherung semantischer Aspekte (z.b. Transformationsregeln) sowie deren Interpretation zur Laufzeit Semiaktiv: Speicherung von Strukturinformationen (Tabellendefinitionen, Konfigurationsspezifikationen) und Nutzung zur Überprüfung (nicht direkt zur Ausführung) Vorlesung Data-Warehouse-Technologien 8-3 1
2 Metadaten-Objekte in DW Semantische Ebene (multidimensionales Schema) Logische Ebene (Star-/Snowflake-Schema) Physische Ebene (Tabellen, Attribute) Aggregationsgraph mit Hierarchieobjekten Betriebswirtschaftliche Kennzahlen Sichten für einzelne Anwendergruppen Transformation der Daten aus Quellsystemen in das DW Laderoutinen und Regeln Aufbau von Anfragen, Filter, Anzeigeschablonen,... Vorlesung Data-Warehouse-Technologien 8-4 Metadaten-Objekte in DW Administrationsinformationen: Zugriffsstatistiken, Backup/Recovery, Bildung von Aggregaten,... Datenbankparameter und -einstellungen: Server, Hardware-Umgebung, Tuning-Parameter Anfrage-Performance: vorberechnete Aggregate, Caching, Optimierungsstrategien Granularität der Daten allgemeine Attribute: Maßeinheiten etc. Sicherheitsstrategie: Anwenderprofile und -gruppen, Einschränkungen der Sichten Berichts- und Analyseobjekte, Reports Vorlesung Data-Warehouse-Technologien 8-5 Metadaten: Klassifikation (1) Typ: Metadaten zu Primärdaten (aus Quellsystemen, dem DW bzw. aus Applikationen) Strukturdefinitionen, Code-Tabellen) Prozeßmetadaten des Data Warehousing ETL-Regeln, Protokolldateien, Ausführungspläne Abstraktion: konzeptuell logisch physisch Vorlesung Data-Warehouse-Technologien 8-6 2
3 Metadaten: Klassifikation (2) Anwendersicht: Business-Metadaten (Terminologie, Anfragen, Reports) Technische Metadaten (Schemadefinitionen, Transformationsregeln) Herkunft: produzierendes Werkzeug Quellsystem Erstellungs-/Verwendungszeitpunkt: Entwurfsmetadaten (Schemadefinitionen, Transformationsregeln) Aufbaumetadaten (Log-Dateien) Benutzungsmetadaten (Verwendungshäufigkeit, Zugriffsmuster) Vorlesung Data-Warehouse-Technologien 8-7 Metadaten-Repository Ziel 1: Minimierung des Aufwandes für Aufbau und Betrieb eines DW Systemintegration: Integration auf Schema- und Datenebene erfordert Information über Struktur und Semantik der Quell- und Zielsysteme einheitliche Verwaltung von Metadaten für Integration der DW-Werkzeuge Automatisierung der Administration Steuerung der DW-Prozesse über Scheduling- /Konfigurationsmetadaten Daten über Ausführung der Prozesse (Protokolle etc.) Vorlesung Data-Warehouse-Technologien 8-8 Metadaten-Repository (2) Ziel 1 (fort.): Flexibler Softwareentwurf explizite Repräsentation sich häufig ändernder Aspekte (z.b. Transformationsregeln) verbesserte Wartbarkeit und Erweiterbarkeit Schutz- und Sicherheitsaspekte Behandlung von Zugriffs- und Benutzerrechten als Metadaten globale Zugriffsmechanismen Vorlesung Data-Warehouse-Technologien 8-9 3
4 Metadaten-Repository (3) Ziel 2: Gewährleistung eines optimalen Informationsgewinns für alle Anwendergruppen Datenqualität Sicherstellung der geforderten Qualität durch Überprüfungsregeln Nachvollziehbarkeitsinformationen (Quellsystem, Autor, Erstellungszeitpunkt usw.) Terminologie einheitliche Terminologie als Voraussetzung für einheitliche Interpretation zentrale Verwaltung im Metadaten-Repository Datenanalyse Metadaten über Bedeutung von Daten, Kennzahlensysteme,... Vorlesung Data-Warehouse-Technologien 8-10 Metadatenmanagement Modellierungsebenen Metametamodell Metamodelle Metadaten Daten Repository-Schema(Tabelle,Attribut) KUNDE_TABELLE,STRASSE_ATTRIB Kundendaten (Müller, Breiter Weg) Vorlesung Data-Warehouse-Technologien 8-11 Modellierungsebenen Ebene 0: effektive Daten (Objektdaten) Ebene 1: Metadaten als Modell des Informationssystems (z.b. Datenbankschema, Prozeßbeschreibung) Ebene 2: Sprachelemente der Ebene 1 (Metadatenschema) Ebene 3: Vereinigung der verschiedenen Sprachen der Ebene 2 (konzeptuelle Schema des Repositories) Vorlesung Data-Warehouse-Technologien
5 Metadatenmanagement: Repository (1) Anforderungen bzgl. Funktionalität Anwenderzugriff Mechanismen zur Navigation, Filterung und Selektion von Metadaten Unterstützung manueller Aktualisierung Interoperabilität und Werkzeugunterstützung Programmierschnittstelle für lesenden und schreibenden Zugriff Import- und Exportschnittstellen Erweiterbares Metamodell Change Management Versions- und Konfigurationsverwaltung Benachrichtigungsmechanismen Vorlesung Data-Warehouse-Technologien 8-13 Metadatenmanagement: Repository (2) Datenbeschaffungsbereich Extrakt ion Arbeit s- bereich Laden Datenquelle Basisdatenbank Laden Data Warehouse Analyse Transformation Data- Monitor Warehouse- Manager Metadaten- Manager Datenfluß Kontrollfluß Repository Data-Warehouse-System Vorlesung Data-Warehouse-Technologien 8-14 Metadatenmanagement: Repository (3) Architektur Metadatenmanager: DBMS für Metadaten, Zugriffsschnittstelle Anwenderzugriffswerkzeuge: Navigation, Filterung, Selektion, Aktualisierung Entwicklungswerkzeuge: Entwurf neuer DW- Anwendungen Vorlesung Data-Warehouse-Technologien
6 Repository: Varianten Zentralisiert: ein Repository für alle Metadaten problematisch aufgrund organisatorischer und technischer Schwierigkeiten Dezentralisiert: mehrere Repositories für einzelne Werkzeuge und/oder Organisationseinheiten Austausch nur über Austauschformate Föderiert: Globale, konzeptuelle Sicht auf alle Metadaten Virtuelle Integration autonomer Repositories Vorlesung Data-Warehouse-Technologien 8-16 Repository: Lösungen Zentralisierte, allgemein verwendbare Repositories CA/Platinum Viasoft Microsoft? Dezentrale Lösungen Jedes DW-Werkzeug verwaltet seine eigenen Metadaten Standardisierungsbestrebungen Speziell Austauschformate Vorlesung Data-Warehouse-Technologien 8-17 Repository: Standards Repository-Standards: Referenzarchitekturen für Repository-Systeme IRDS PCTE Austauschstandards: Standardisierung von Austauschformaten XML-basiert: OIM (MDC), CWM (OMG) CDIF Vorlesung Data-Warehouse-Technologien
7 Common Warehouse Metamodel (CWM) OMG-Standard (1999) Austausch von DW-Metadaten Teilmodelle CWM Foundation Model: allgemeine Konzepte und Strukturen für alle Teilmodelle Warehouse Deployment Model: Definition von Hard- und Software Relational Model: Beschreibung relationaler Datenbankstrukturen Record Oriented Model: Record-Konzept Multidimensional Database Model: Repräsentation einer multidimensionalen Datenbank Vorlesung Data-Warehouse-Technologien 8-19 Common Warehouse Metamodel Teilmodelle (fort.) XML Model: Beschreibung von XML-Datenstrukturen Transformation Model: Transformationen zwischen unterschiedlichen Formen von Quell- und Zieldaten OLAP Model: Metamodell grundlegender OLAP- Konstrukte Warehouse Process Model: Prozeßfluß zur Ausführung von DW-Transformationen: Warehouse Operation Model: Dokumentation regelmäßiger DW-Prozesse Vorlesung Data-Warehouse-Technologien 8-20 Open Information Model Standard der Meta Data Coalition (Microsoft, Ardent, Platinum, SAS,...) Interoperabilität zwischen Werkzeugen und Firmen Definition eines Informationsmodells Unterstützung aller Phasen der Entwicklung von Informationssystemen Spezialisierun der UML-Konzepte in domänenspezifische Teilmodelle, z.b. Data Warehousing Vorlesung Data-Warehouse-Technologien
8 OIM: Teilmodelle (1) Analysis & Design Model: objektorientierte Modellierung eines Softwaresystems (Kern: UML) Object & Component Model: Verschiedene Phasen der Implementierung von Softwarekomponenten (Spezifikation, Implementierung, Ausführung) Business Engineering Model: Metadatentypen zur Modellierung von Zielsetzungen, Organisations- und Infrastrukturen eines Unternehmens, Prozessen und Geschäftsregeln Vorlesung Data-Warehouse-Technologien 8-22 OIM: Teilmodelle (2) Knowledge Management Model Konzeptuelle Modellierung natürlichsprachlicher Datenbankanfragen (Semantic-Definition-Teilmodell) Unterstützung von Anfragen ohne SQL-Kenntnisse Database & Warehouse Model (technische) Metadaten im DB- und DW-Bereich Datenbankschemaelemente: Tabellen, Sichten, Anfragen OLAP-Schemaelemente: Würfel, Dimensionshierarchien, Aggregationen Transformationselemente: Spezifikation von Datenbeschaffungsprozessen Reportdefinitionen: Informationen für Report-Generatoren Vorlesung Data-Warehouse-Technologien 8-23 OIM: Austauschformat Basis: XML Abbildung von UML-Konzepten (Klasse, Attribute, Assoziation, Vererbung) auf XML Klasse1 Attribut1 Klasse2 <Klasse1 Attribut1="...">... </Klasse1> <Klasse2 Attribut1="..." Attribut2="...">... </Klasse2> Attribut2 Vorlesung Data-Warehouse-Technologien
9 OIM: Austauschformat (2) Klasse1 Attribut1 ZielAssoz QuellAssoz Klasse2 Attribut2 <Klasse1 id="_1" Attribut1="..."> <Klasse1QuellAssoz id="_3"> <Klasse2 id="_2" Seqno="1" /> <Klasse2 id="_2" Seqno="1" /> </Klasse1QuellAssoz> </Klasse1> Vorlesung Data-Warehouse-Technologien 8-25 OIM: Beschreibung eines DB-Schemas <?xml version="1.0"?> <oim:transfer...> <dbm:catalog id="sales" comments="..."> <dbm:catalogschema> <dbm:schema id="_2" name="dbo"> <dbm:schematables> <dbm:table id="_3" name="customer"> <dbm:columnsetcolumns> <dbm:column id="_6" name="customerid" IsNullable="0" /> <dbm:column id="_7" name="name" IsNullable="0" />... Vorlesung Data-Warehouse-Technologien 8-26 Elemente eines DW-Schemas Quelle: Bauer/Günzel: Data Warehouse, dpunkt.verlag 2000 Perspektiven Funktionale Aspekte: Transformationsprozesse, multidimensionale Datenbanken Personen, Organisation, Aufgaben Business-Metadaten Vorlesung Data-Warehouse-Technologien
10 Transformationsprozesse Transformation: amwenderdefinierte atomare Einheit TransformationGroup: geordnete Gruppe von Transformationen TransformationProcess: Zusammenfassung zu physisch auszuführenden Prozessen DataObjectSet: Gruppen von Datenobjekten, die als Ein-/Ausgabe einer Transformation dienen ActivationElement: Realisierung einer Transformation (DB-Prozeduren etc.) Vorlesung Data-Warehouse-Technologien 8-28 Transformationsprozesse DataObject target realizes source DataObjectSet ExecutionElement ActivationElement Process TransformationGroup Transformation ordered TransformationProcess Vorlesung Data-Warehouse-Technologien 8-29 Multidimensionales Schema Schema: Behälter für Modellelemente Cube: Datenwürfel Dimension: umfaßt unterschiedliche Hierarchien Hierarchy: geordnete Liste von Dimensionsobjekten Vorlesung Data-Warehouse-Technologien
11 Multidimensionales Schema ordered Schema Class Attribute Cube Dimension DimensionObject Measure ordered Hierarchy Vorlesung Data-Warehouse-Technologien 8-31 Personen, Organisation, Aufgaben Actor: handlungsfähige Akteure (Personen, Organisationseinheiten, Softwaresysteme und werkzeuge) Task: Aufgabe, für die Akteure zuständig sind Prozess: Ausführung von Aufgaben Role: Rolle von Akteuren AccessRight: Zugriffsrecht für Datenobjekte Vorlesung Data-Warehouse-Technologien 8-32 Personen, Organisation, Aufgaben AccessRight DataObject Role Actor Task Process Actor Actor Actor BusinessUnit Vorlesung Data-Warehouse-Technologien
12 Business-Metadaten BusinessTerm: Begriff, Ausdruck mit anwenderspezifischer Bedeutung Terminology: logische Einheit von BusinessTerms BusinessGoal: Ziel einer Geschäftseinheit BusinessFigure: Kennzahlen zur Messung der Effizienz eines Prozesses BusinessRule: Geschäftsregeln ActionRule: Bedingungen für Ausführung von Aktionen InferenceRule: Herleitung von nicht explizit gespeicherten Domänenwissen Report: Auswertungen Vorlesung Data-Warehouse-Technologien 8-34 Business-Metadaten BusinessObject BusinessFigure BusinessGoal BusinessTerm Terminology BusinessRule Report ActionRule InferenceRule Vorlesung Data-Warehouse-Technologien 8-35 Datenqualität Begriff: Gesamtheit aller Eigenschaften von Daten hinsichtlich der Fähigkeit, die Anforderungen des Anwenders zu erfüllen Eignung für einen Zweck (fitness for use) Datenqualität ist subjektiv und abhängig vom Zweck! Beispiel: Aktualität von Daten für Bilanzen vs. Analyse des Kundenverhaltens Notwendig Qualitätskriterien Beurteilung Maßnahmen zur Verbesserung Vorlesung Data-Warehouse-Technologien
13 Qualitätskriterien Konsistenz: Widerspruchsfreiheit Korrektheit: Übereinstimmung mit Realität Vollständigkeit: z.b. Abwesenheit von fehlenden Werten Genauigkeit und Granularität: z.b. Anzahl der Nachkommastellen; tagesgenaue Daten Zuverlässigkeit und Glaubwürdigkeit: Nachvollziehbarkeit der Entstehung, Vertrauenswürdigkeit des Lieferanten Verständlichkeit: inhaltlich und technisch / strukturell für jeweilige Zielgruppe Verwendbarkeit und Relevanz: geeignetes Format, Zweckdienlichkeit Vorlesung Data-Warehouse-Technologien 8-37 Beurteilung der Datenqualität (1) Ziel-Frage-Metrik-Ansatz (Qualitätsmanagement in der Softwareentwicklung) Idee: Verbindung von abstrakten Zielen der Anwender und den konkreten Qualitätsmessungen durch Fragen Schritte 1. Identifizierung einer Menge von Qualitäts-/ Produktivitätszielen (Kundenzufriedenheit, Performanceverbesserung, usw.) 2. Ableitung von Fragen, die diese Ziele definieren 3. Spezifikation der Messungen zur Beantwortung der Fragen 4. Entwicklung von Mechanismen zur Sammlung von Daten (Valdierung, Analyse) Vorlesung Data-Warehouse-Technologien 8-38 Beurteilung der Datenqualität (2) Fragetypen: Wie kann das zu betrachtende Objekt (Produkt, Prozeß) bzgl. des Gesamtziels charakterisiert werden? Wie können die für die Fragestellung relevanten Attribute des Objektes charakterisiert werden? Wie können die Eigenschaften des Objektes bewertet werden? Rahmenwerk zur Verknüpfung von Qualitätsforderungen und -messungen Erfassung von Abhängigkeiten zwischen Qualitätsmerkmalen Identifikation des Ursprungs von Qualitätsproblemen Vorlesung Data-Warehouse-Technologien
Metadaten und Datenqualität
Metadaten und Datenqualität ƒ Rolle von Metadaten ƒ Metadatenmanagement ƒ Standards für Repositories und Metadatenaustausch ƒ Metadatenschemata für DW ƒ Datenqualität Vorlesung Data-Warehouse-Technologien
MehrKapitel 8 - Metadaten -
Vorlesungs-Übersicht 1) Einführung und Definitionen 2) Architektur eines Data-Warehouse-Systems 3) Das multidimensionale Datenmodell 4) ETL: Extraktion, Transformation, Laden 5) Anfrageverarbeitung und
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
MehrFriedrich-Schiller-Universität Jena
Friedrich-Schiller-Universität Jena Seminar WS2011 Data Warehouse Systeme Präsentationsthema Metadaten Präsentiert von: Julian Zausch, 96382 Inhaltsverzeichnis EINLEITUNG... - 3 - WELCHE ROLLE SPIELEN
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
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
MehrMetadatenmodellierung und -verwaltung in Data-Warehouse-Systemen
Metadatenmodellierung und -verwaltung in Data-Warehouse-Systemen Michael Seiferle Fachbereich Informatik Universität Konstanz 12. Februar 2008 Michael Seiferle Metadatenmodellierung und -verwaltung 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
MehrData-Warehouse-Architektur. Anforderungen des Data Warehousing. Anforderungen Referenzarchitektur Phasen des Data Warehousing Komponenten
Data-Warehouse-Architektur Anforderungen Referenzarchitektur Phasen des Data Warehousing Komponenten Vorlesung Data-Warehouse-Technologien 2-1 Anforderungen des Data Warehousing Unabhängigkeit zwischen
MehrDatenbanktechnologie für Data-Warehouse-Systeme
Wolfgang Lehner Datenbanktechnologie für Data-Warehouse-Systeme Konzepte und Methoden dpunkt.verlag 1 1.1 1.2 1.3 1.4 1. 5 2 2.1 2.2 2.3 Einleitung 1 Betriebswirtschaftlicher Ursprung des Data Warehousing...
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
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...............
MehrMDA-Praktikum, Einführung
MDA-Praktikum, Einführung Prof. Dr. Peter Thiemann Universität Freiburg 02.11.2005 Was ist MDA? MDA = Model-Driven Architecture Initiative der OMG Object Management Group: CORBA, UML,... offenes Firmenkonsortium
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
MehrRegelbasierte Entwicklung betrieblicher Informationssysteme
Reihe: Wirtschaftsinformatik Band 45 Herausgegeben von Prof. (em.) Dr. Dietrich Seibt, Köln, Prof. Dr. Hans-Georg Kemper, Stuttgart, Prof. Dr. Georg Herzwurm, Stuttgart, Prof. Dr. Dirk Stelzer, Ilmenau,
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...
MehrOLAP mit dem SQL-Server
Hartmut Messerschmidt Kai Schweinsberg OLAP mit dem SQL-Server Eine Einführung in Theorie und Praxis IIIBibliothek V dpunkt.verlag Teil OLAP undder Microsoft SQL-Server 1 1 Theoretische Grundlagen 3 1.1
MehrMOF Meta Object Facility. Veranstaltungsvortrag im Rahmen der Projektgruppe ComponentTools
MOF Meta Object Facility Veranstaltungsvortrag im Rahmen der Projektgruppe ComponentTools Überblick Object Management Group (OMG) Model Driven Architecture (MDA) Exkurs: Modelle, Metamodelle MOF Architektur
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
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
MehrInhaltsverzeichnis. Teil I OLAP und der Microsoft SQL-Server 1. 1 Theoretische Grundlagen 3
vii Teil I OLAP und der Microsoft SQL-Server 1 1 Theoretische Grundlagen 3 1.1 Was ist OLAP?......................................... 3 1.1.1 Business Intelligence............................... 4 1.1.2
MehrModel Driven Architecture (MDA)
Model Driven Architecture (MDA) Vortrag im Fach Software Engineering II BA Mannheim / Fachrichtung Angewandte Informatik Torsten Hopp Gliederung Einleitung Motivation Grundzüge der MDA Ziele & Potenziale
MehrODM. Bernd Weiler Nürnberg
ODM Bernd Weiler Nürnberg 21.11.2013 www.syntegris.de ODM - Inhalte INHALTE / SCHWERPUNKTE Schwerpunkte Einstieg in das Arbeiten mit dem ODM Integration in die Versionsverwaltung (Subversion) Konzentration
MehrInhalt. 1 Einleitung Warum dieses Buch? Der rote Faden Danksagung URL zum Buch 4. TEIL I Einführung 5
Inhalt 1 Einleitung 1 1.1 Warum dieses Buch? 1 1.2 Der rote Faden 2 1.3 Danksagung 3 1.4 URL zum Buch 4 TEIL I Einführung 5 2 XML-Grundlagen 7 2.1 Einleitung 7 2.2 WasistXML? 7 2.3 Dokumenttypen und Namensräume
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....................................
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
MehrDatenbanken als Grundlage für Informationssysteme
Datenbanken als Grundlage für Informationssysteme Datenmodellierung und Datenbanksysteme Prof. Dr. Ingo Claßen Peter Morcinek Prof. Dr. Martin Kempa Hochschule für Technik und Wirtschaft Berlin Informationssysteme
MehrDevelopment auf der Plattform SAP HANA
Development auf der Plattform SAP HANA SAP HANA Architektur SAP HANA Studio Modellierung auf SAP HANA Web basierte Data Access Role und Berechtigung SAP HANA Plattform SAP HANA als Appliance SAP HANA in
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
MehrInhaltsverzeichnis 1 Einleitung 2 Zielsetzung 3 Data Warehousing
ix 1 Einleitung 1 1.1 Gliederung der Arbeit 3 1.2 Das Projekt Steuerkanzlei 2005 6 1.3 Abgrenzung 8 1.4 Notation 10 2 Zielsetzung 13 2.1 IT-technische Kategorisierung 13 2.1.1 IT-intensive vs. nicht IT-intensive
MehrKonzeptionelle Modellierung von XML-Dokumenttypen
Konzeptionelle Modellierung von XML-Dokumenttypen Rainer Eckstein Institut für Informatik LFE DBIS Humboldt-Universität zu Berlin Rainer Eckstein 1 Konzeptionelle Modellierung von XML: XML (extensible
MehrWeb Engineering-Seminar Methoden zur Web Modellierung: Object-oriented Hypermedia Method (OO-H)
Web Engineering-Seminar Methoden zur Web Modellierung: Object-oriented Hypermedia Method (OO-H) Dominik Kirsten Daniel Schäferbarthold Trier, 21.01.2008 1 Gliederung 1. Einführung 1.1 Anforderungen an
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 -
MehrModel Driven Development im Überblick
Model Driven Development im Überblick Arif Chughtai Diplom-Informatiker (FH) www.digicomp-academy, Seite 1 September 05 Inhalt Motivation Überblick MDA Kleines Beispiel Werkzeuge www.digicomp-academy,
MehrDBMS für spezielle Anwendungen XML als Mittel der Datenbank-Interoperabilität
DBMS für spezielle Anwendungen XML als Mittel der Datenbank-Interoperabilität Seminarvortrag von D. Zimmermann 26-Februar-2004 Gliederung Datenbanken und Interoperabilität Begriffe Bedarf Ansätze XML als
MehrSuper. Sub1. Sub2 State2. Sub3. Sub4. Super. State2. Sub4
Sub1 Super Sub3 H Sub2 State2 Sub4 Super State2 Sub4 $FWLYLW\'LDJUDPV Aktivitätsdiagramme beschreiben spezielle Zustandsautomaten. Transitionen werden hier grundsätzlich durch die Beendigung von Aktionen
MehrAusgabe: Eine DBMS unabhängige high-level Repräsentation der Anforderungen, das "konzeptuelle Schema".
Phasen des Datenbanken-Designs Konzeptuelles Design Eingabe: Anforderungen Ausgabe: Eine DBMS unabhängige high-level Repräsentation der Anforderungen, das "konzeptuelle Schema". Qualität: Richtigkeit und
MehrInhaltsverzeichnis.
Wegweiser durch das Buch 1 1 Problembereich und Lösungsbereich 10 1.1.Unterschiede zwischen Problembereich und Lösungsbereich 10 1.2 Paradigmen der Softwareentwicklung 12 1.3 Methoden für die verschiedenen
MehrSoftwareentwicklungsumgebungen
Softwareentwicklungsumgebungen Pit Pietsch Dipl.-Wirt.-Inform. Universität Siegen Fachgruppe Praktische Informatik Themen 1. SEU / Eclipse 2. Emf Ecore & Model Driven Engineering 3. Model-Repositories
MehrDatenqualität. Imperfektion und erweiterte Konzepte im Data Warehousing. Ingo Beutler. Seminar im Sommersemester 2005
Datenqualität Ingo Beutler Imperfektion und erweiterte Konzepte im Data Warehousing Seminar im Sommersemester 2005 1 2 Daten Information -Wissen Wissen Ein Fahrzeug ist mit 50 km/h über Messstelle MS11
MehrModellierung von OLAP- und Data- Warehouse-Systemen
Andreas Totok Modellierung von OLAP- und Data- Warehouse-Systemen Mit einem Geleitwort von Prof. Dr. Burkhard Huch Deutscher Universitäts-Verlag Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis
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
MehrTesten von SOA-Anwendungen mit dem BPEL Testframework
Testen von SOA-Anwendungen mit dem BPEL Testframework Stefan Kühnlein IBM Deutschland Enterprise Application Solution GmbH Hollerithstr. 1 81829 München 0160/8848611 Stefan.Kuehnlein@de.ibm.com IBM Deutschland
MehrDas Common Warehouse Metamodel als Referenzmodell für Metadaten im Data Warehouse und dessen Erweiterung im SAP Business Information Warehouse
BTW 2005 Das Common Warehouse Metamodel als Referenzmodell für Metadaten im Data Warehouse und dessen Erweiterung im SAP Business Information Warehouse Dr. Michael Hahne 3. März 2005 Dr.Michael Hahne 2005
MehrAbschluss Einblick und Ausblick
Abschluss Einblick und Ausblick Prof. Dr. T. Kudraß 1 Benutzer Komponenten eines DBMS (Überblick) I/O-Prozessor Output-Generierung Parser für selbst. oder eingebettete Kommandos Precompiler Autorisierungs-Kontrolle
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
MehrSoftware- und Systementwicklung
Software- und Systementwicklung Seminar: Designing for Privacy 11.11.2009 Moritz Vossenberg Inhalt Vorgehensmodelle Wasserfallmodell V-Modell Phasen (Pflichtenheft) UML Klassendiagramm Sequenzdiagramm
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
MehrSemtation GmbH SemTalk
Semtation GmbH SemTalk Christian Fillies Was ist SemTalk? Prozessmodellierung mit Visio2003 Viele Methoden (EPK, PROMET, FlowChart, KSA ), einfach an Kundenbedürfnisse anzupassen und zu erweitern HTML
MehrAutomatische Klassifikation: Stand der Technik und Veränderungen im Berufsbild des Dokumentars. Automatische Klassifikation:
02. Mai 2005 P R O J E C T C O N S U L T GmbH GmbH 1 Agenda Einführung Automatische Klassifikation Qualität Veränderung des Arbeitsumfeldes Ausblick GmbH 2 1 Einführung GmbH 3 Eine Herausforderung geordnete
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 ist Wartung und welche vier Arten der Wartung unterscheidet die Norm ISO/IEC 12207? Wie lautet die Regel von Boehm? (ein Beispiel ausrechnen)
1.99 Fragen zu: Software-Wartung Was ist Wartung und welche vier Arten der Wartung unterscheidet die Norm ISO/IEC 12207? Welche Qualitätseigenschaften erhöhen (Ihrer Auffassung nach) die Wartbarkeit und
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
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
MehrDatenmodellierung VU Einführung SS 2016
184.685 Datenmodellierung VU Einführung SS 2016 Nysret Musliu, Sebastian Skritek Institut für Informationssysteme Technische Universität Wien Nysret Musliu, Sebastian Skritek Seite 1 1. Motivation Motivation
MehrModell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen
Modell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen Roland Koppe, Stefan Häusler, Axel Hahn 2 Übersicht Einleitung und Motivation Ansatz und Methodik
MehrEin Ansatz zum modellgetriebenen Integrationstest von EJB-basierten Informationssystemen
1 / 30 Ein Ansatz zum modellgetriebenen Integrationstest von EJB-basierten Informationssystemen Zwischenvortrag zur Diplomarbeit Steffen Conrad (235183) Research Group Software Construction RWTH Aachen
MehrObjektorientiertes Programmieren
JL Ute Claussen Objektorientiertes Programmieren Mit Beispielen und Übungen in C++ Zweite, überarbeitete und erweiterte Auflage Mit 24 Abbildungen Springer Inhaltsverzeichnis 1 Einleitung 1 1.1 Was ist
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?
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
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
MehrDatenmodellierung im Zeitalter agiler Softwareentwicklung
Datenmodellierung im Zeitalter agiler Softwareentwicklung Sebastian Graf, PROMATIS software GmbH DOAG 2013, Nürnberg, 1 Agenda u Über den Referenten u Datenmodellierung Begriffsdefinition und Abgrenzung
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
MehrOracle JDeveloper 10 g
Oracle JDeveloper 10 g Modellierung Evgenia Rosa Business Unit Application Server ORACLE Deutschland GmbH Agenda Warum Modellierung? UML Modellierung Anwendungsfall (Use Case)-Modellierung Aktivitätenmodellierung
MehrInfor PM 10 auf SAP. Bernhard Rummich Presales Manager PM. 9.30 10.15 Uhr
Infor PM 10 auf SAP 9.30 10.15 Uhr Bernhard Rummich Presales Manager PM Schalten Sie bitte während der Präsentation die Mikrofone Ihrer Telefone aus, um störende Nebengeräusche zu vermeiden. Sie können
MehrIn diesem Abschnitt wollen wir uns mit der Architektur von Datenbank Managements Systemen beschäftigen.
1 In diesem Abschnitt wollen wir uns mit der Architektur von Datenbank Managements Systemen beschäftigen. Zunächst stellt sich die Frage: Warum soll ich mich mit der Architektur eines DBMS beschäftigen?
MehrStar-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten
Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten Michael Hahne T&I GmbH Workshop MSS-2000 Bochum, 24. März 2000 Folie 1 Worum es geht...
MehrMDRE die nächste Generation des Requirements Engineerings
MDRE die nächste Generation des Requirements Engineerings Tom Krauß, GEBIT Solutions GmbH Copyright 2007 GEBIT Solutions Agenda Requirements Engineering heute eine Bestandsaufnahme Modell-Driven Requirements
MehrÜbungen Softwaretechnik I
Universität Stuttgart Institut für Automatisierungstechnik und Softwaresysteme Prof. Dr.-Ing. M. Weyrich Übungen Softwaretechnik I Übung 5: Objektorientierte Analyse Einführung Objektorientierung in der
MehrDW2004. XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science. 3. November 2004. Dr. Michael Hahne, cundus AG
DW2004 XML-Datenimport in das SAP Business Information Warehouse bei Bayer Material Science Dr. Michael Hahne, cundus AG 3. November 2004 cundus AG 2004 Gliederung Motivation SAP Business Information Warehouse
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
MehrData Lineage mit ODI und OEMM Holger Dresing Oracle Deutschland BV & Co. KG
Data Lineage mit ODI und OEMM Holger Dresing Oracle Deutschland BV & Co. KG Schlüsselworte Datenintegration, DIS, Metadaten, Metadatenmanagement, Data Warehouse, DWH, Enterprise Metadata Management, OEMM,
MehrBlockseminar Data Warehousing
Blockseminar Data Warehousing Sommersemester 2005 Prof. Dr. Klaus Küspert Lehrstuhl für Datenbanken und Informationssysteme Blockseminar Data Warehousing Meta-Daten Marek Opuszko Student der Wirtschaftsinformatik
MehrInhaltsverzeichnis. Teil I Grundlagen 1
xv Teil I Grundlagen 1 1 Modelle und Modellierung 3 1.1 Modelle, die uns umgeben.................................. 3 1.2 Modelltheorie........................................... 5 1.3 Ziele beim Einsatz
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
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
MehrOLAP und der MS SQL Server
OLAP und der MS SQL Server OLAP und der MS SQL Server OLAP-Systeme werden wie umfangreiche Berichtssysteme heute nicht mehr von Grund auf neu entwickelt. Stattdessen konzentriert man sich auf die individuellen
Mehr1. Einführung. Datenbanken Grundlagen
1. Einführung Datenbanken Grundlagen Wo finden wir Datenbanken? Was sind Datenbanken/ Datenbankensysteme(DBS)? A collection of related data items mit folgenden Eigenschaften: Eine Datebank repräsentiert
MehrKap. 5.3: SAP-Datenmodell, Metadatenverwaltung
Kap. 5.3: SAP-Datenmodell, Metadatenverwaltung & Abbildung auf RDBMS SAP R/3 Repository Analyse: Datenmodell von SAP R/3 SAP-SERM Metadatenverwaltung Data Dictionary Abbildung von SAP-Tabellen auf RDBMS
MehrOnline Analytical Processing
Online Analytical Processing Online Analytical Processing Online Analytical Processing (OLAP) ermöglicht die multidimensionale Betrachtung von Daten zwecks E rmittlung eines entscheidungsunterstützenden
MehrCreational Patterns. Seminar Software-Entwurf. Thomas Liro WS 2004/05.
Creational Patterns Seminar Software-Entwurf WS 2004/05 Thomas Liro Inhaltsüberblick Einordnung des Themas Beschreibung von Design Pattern Auswahl von Design Patterns Was sind Creational
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
MehrDIMEX Data Import/Export
DIMEX Data Import/Export PROCOS Professional Controlling Systems AG Gewerbeweg 15 FL- 9490 Vaduz PROCOS Professional Controlling Systems AG Inhaltsverzeichnis 1 ALLGEMEIN...3 2 GRUNDLEGENDE FUNKTIONEN...4
MehrModellgetriebene Softwareentwicklung: Zusammenfassung und Ausblick. 7. Februar 2013
Modellgetriebene Softwareentwicklung: Zusammenfassung und Ausblick 7. Februar 2013 Überblick Zusammenfassung: Generell: Konzepte der Softwaretechnik im Kontext der modellgetriebenen Entwicklung Diskussion
MehrEntwicklungssysteme für Lernumgebungen am Beispiel des Essener-Lern-Modells
für Lernumgebungen am Beispiel des Essener-Lern-Modells Dipl.-Wirt.Inform. Jan M. Pawlowski Prof. Dr. Heimo H. Adelsberger Universität Essen Wirtschaftsinformatik der Produktionsunternehmen 31.10.2001
MehrOracle SQL Developer Data Modeling
Oracle SQL Developer Data Modeling DOAG Regio Rhein-Neckar Oracle Deutschland GmbH The following is intended to outline our general product direction. It is intended for information
MehrModerne Datenbankentwicklung mit Hilfe von SQL Server Data Tools
Moderne Datenbankentwicklung mit Hilfe von SQL Server Data Tools David Schäfer Vorstellung: HMS Analytical Software Anwendungs-Know-how, u.a. Banken und Versicherungen Pharma- und Medizinprodukte Technologie-Know-how,
MehrUML (Unified Modelling Language) von Christian Bartl
UML (Unified Modelling Language) von Inhaltsverzeichnis Inhaltsverzeichnis... 2 1 UML Unified Modelling Language... 3 2 Diagrammtypen... 3 2.1 Aktivitätsdiagramm... 3 2.1.1 Notation... 4 2.1.2 Beispieldiagramm...
MehrEclipse Modeling Framework
1 / 14 Eclipse Modeling Framework Stefan Berlik Fachgruppe Praktische Informatik FB 12, Elektrotechnik und Informatik Universität Siegen 14. November 2007 Was ist das Eclipse Modeling Framework (EMF)?
MehrMicrosoft SQL Server 2005 - Konfigurierung, Administration, Programmierung
Ruprecht Droge, Markus Raatz Microsoft SQL Server 2005 - Konfigurierung, Administration, Programmierung Microsoft Press Vorwort XI 1 Einführung in SQL Server 2005 1 Geschichte des SQL Servers 1 Wichtige
MehrNotationen zur Prozessmodellierung
Notationen zur Prozessmodellierung August 2014 Inhalt (erweiterte) ereignisgesteuerte Prozesskette (eepk) 3 Wertschöpfungskettendiagramm (WKD) 5 Business Process Model and Notation (BPMN) 7 Unified Modeling
MehrDatenbanken. Produkte Dienstleistungen Referenzen
Datenbanken Produkte Dienstleistungen Referenzen Produkte: MS SQL Server MS SQL Server 2005 Datenbankmodul Berichtssysteme mit Reporting Services Data Warehousing/Data Mining mit Analysis Services Schnittstellen
MehrConfiguration Management mit Verbosy 17.04.2013 OSDC 2013. Eric Lippmann www.netways.de
Configuration Management mit Verbosy 17.04.2013 OSDC 2013 Eric Lippmann Kurzvorstellung NETWAYS Expertise OPEN SOURCE SYSTEMS MANAGEMENT OPEN SOURCE DATA CENTER Monitoring & Reporting Configuration Management
MehrData Warehouse. für den Microsoft SQL SERVER 2000/2005
Warehouse für den Microsoft SQL SERVER 2000/2005 Begriffe 1 DWH ( Warehouse) ist eine fachübergreifende Zusammenfassung von Datentabellen. Mart ist die Gesamtheit aller Datentabellen für einen fachlich
MehrWerkzeuge für Datenbank Handwerker: IBM Data Studio und IBM Optim QWT
Werkzeuge für Datenbank Handwerker: IBM Data Studio und IBM Optim QWT Neue Technologien effizient nutzen Ehningen, 3. Juli 2014 Rodney Krick rk@aformatik.de aformatik Training & Consulting GmbH & Co. KG
MehrBI für Jedermann. Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition
BI für Jedermann Neue Möglichkeiten durch die Oracle BI-Suite Enterprise Edition Wolfgang Rütter Bereichsleiter Informationssysteme OPITZ CONSULTING Gummersbach GmbH 1 Warum BI für Jedermann? 1. Historie
MehrA Framework for Planing and Controlling Data Quality in Data-Warehouse-Systems
A Framework for Planing and Controlling Data Quality in Data-Warehouse-Systems markus.helfert@unisg.ch Slide 2 Überblick Data-Warehouse-Systeme und Datenqualität Datenqualitätsmanagement Datenqualität
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
Mehr3. GI-Workshop EPK 2004 Geschäftsprozessmanagement mit Ereignisgesteuerten Prozessketten Luxemburg. ARIS meets RUP
3. GI-Workshop EPK 2004 Geschäftsprozessmanagement mit Ereignisgesteuerten Prozessketten Luxemburg ARIS meets RUP Der ARIS Unified Information System Development Process Martin Plümicke Berufsakademie
Mehr