Informationssysteme. Prof. Dr. Hans Czap. Lehrstuhl für Wirtschaftsinformatik I. Lehrstuhl für Wirtschaftsinformatik I - II - 1 -
|
|
- Hedwig Dieter
- vor 8 Jahren
- Abrufe
Transkript
1 Vorlesung Grundlagen betrieblicher Informationssysteme Prof. Dr. Hans Czap - II - 1 -
2 Inhalt Kap. 1 Ziele der Datenbanktheorie Kap. 2 Datenmodellierung und Datenbankentwurf Kap. 3 Datenbankarchitektur kt Kap. 4 Die Datenbanksprache SQL Kap. 5 Konzepte für Objektorientierte Datenbanken Kap. 6 Objektrelationale Datenbanken Kap. 7 Datenbankentwurf: Funktionale Abhängigkeiten gg und Normalisierung Kap. 8 Datenintegrität Sperrprotokolle Recovery Kap. 9 Data-Warehouse-Konzept Kap. 10 Data Mining und Knowledge Discovery - II - 2 -
3 Data-Warehouses Die Bereitstellung von Daten für Entscheidungsunterstützungen (DSS = Decision Support Systeme, EIS Executive Information Systems) erfordert in vielen Fällen den Rückgriff auf historische i h Daten und/oder d spezifische, zeitaufwendige Datenkombinationen. Der gemeinsame Betrieb operativer IS und die Unterstützung strategischer bzw. grundsätzlicher Entscheidungen würde den operativen Betreib massiv beeinträchtigen. Verwendung eigener Hard- und Softwaresysteme Literatur: Bauer, Günzel (Hrsg.): Data Warehouse Systemedpunkt Verlag, Heidelberg, 2., überarbeitete und aktualisierte Auflage, II - 3 -
4 OLTP versus OLAP OLTP = Online Transaction Processing Verarbeitung und Abfragen von Daten des operativen Geschäfts: einfache Abfragen (Abfragen, bei denen nur wenige Relationen verknüpft werden müssen), Datenänderungen bei hoher Parallelität, hohes Transaktionsvolumen große Anzahl paralleler Abfragen große Anzahl paralleler l Updates hohe Wiederholung der ähnlicher Anfragen (Standardisierbarkeit) Technologische Basis: relationales Datenbanksystem Beispiele: Suche den am nächsten gelegenen Lagerort des Artikels X Erhöhe/Erniedrige die Lagermenge des Artikels X um Y Stück Verbuche die Zahlung der Rechnung Z - II - 4 -
5 OLTP versus OLAP OLAP: Online Analytical Processing Ermittlung von Trends Extrapolation von Entwicklungen Basis: historische Daten, die nach unterschiedlichen Kriterien gruppiert und ausgewertet werden Beispiele Verdichtung nach Kundengruppen, geographischen Regionen unterschiedlichen Zeiträumen Produktsparten Vertretern etc. Analytische Auswertungen werden betont: Abfragen hoher Komplexität (keine Updates, nur Abfragen!) geringes Transaktionsvolumen geringer Wiederholungsgrad riesiges zu speicherndes Datenvolumen (Größenordnung im Tera-Byte-Bereich!) Bereich!) Data Ware House - II - 5 -
6 Data-Warehouse: Konzept und Anwendungsidee Trennung von statistischen Auswertungen und operationalen Anwendungen Integration verschiedener Datenquellen zum Bau von Entscheidungsunterstützungssystemen Ein Data-Warehouse ist themenbezogen, integriert, zeitveränderlich und nichtflüchtig Schritte zum Einrichten eines Data-Warehouse Extrahieren von Daten aus operationalen Datenbanken, Laden eines initialen Data-Set, periodisches Aktualisieren dessen, Transformation von Quelldaten in das Warehouse-Datenmodell. - II - 6 -
7 - II - 7 -
8 - II - 8 -
9 Phasen des Data-Warehousing Trennung von statistischen Auswertungen und operationalen Anwendungen Integration verschiedener Datenquellen zum Bau von Entscheidungsunterstützungssystemen Ein Data-Warehouse ist themenbezogen, integriert, zeitveränderlich und nichtflüchtig Schritte zum Einrichten eines Data-Warehouse Extrahieren von Daten aus operationalen Datenbanken, Laden eines initialen Data-Set, periodisches Aktualisieren dessen, Transformation von Quelldaten in das Warehouse-Datenmodell. - II - 9 -
10 Anforderungen an ein Data-Warehouse im Unterschied von OLTP und OLAP Entfallen aufwendiger Konzepte wie Transaktionsmanager und Recovery- Mechanismus Konfiguration der Daten entsprechend den geplanten Auswertungen (z.b. hierarchisch h verdichtet) t) Aufwendige Indexierung (z.t. Vollindexierung mittels Bit-Maps) expliziter Zeitbezug der Daten eines Data Warehouse keine Normalisierung zu Gunsten von größerer Performance - II
11 Referenzmodell Architektur Data-Warehousing Eine Referenzarchitektur enthält die grundsätzlichen Strukturen. Es ist ein statisches Konzept, das nur gelegentlich angepasst wird. Ermöglicht strukturierte Vergleiche zwischen unterschiedlichen Data- Warehouse-Systemen bzw. unterschiedlichen Komponenten derartiger Systeme Hat standardisierenden Charakter und dient als Basis konkreter Implementierungen Vermittelt ein gemeinsames Verständnis von DW-Systemen Idealtypisches Konzept, funktionsorientiert - II
12 Analyse Abb. 2-1 Referenzmodell für die Architektur von Data- Warehouse-Systemen (Referenzarchitektur) Data Warehouse Laden Data- Warehouse- Manager Metadaten- t Manager Repositorium Basis- Datenbank Laden Arbeitsbereich Transformation Extraktion Monitor Datenbeschaffungsbereich Datenquelle - II Datenfluss Kontrollfluss
13 Die Komponenten der DW-Architektur DW-Manager steuert, initiiert und überwacht die einzelnen DW-Prozesse von der Extraktion der Daten bis hin zur Analyse Varianten der Initialisierung: regelmäßige Zeitintervalle, in Abhängigkeit des geänderten Datenvolumens, durch expliziten Anstoß Monitore entdecken und melden dem DW-Manager Änderungen in den Quellen, die für das DW relevant sind Extraktoren selektieren und transportieren die Daten aus den Datenquellen in den Arbeitsbereich Transformatoren vereinheitlichen, itli h bereinigen, i integrieren, i konsolidieren, aggregieren und ergänzen extrahierte Daten im Arbeitsbereich Ladekomponenten übertragen die bereinigten Daten aus dem Arbeitsbereich in die Basisdatenbank und anschließend in das DW Analysekomponenten analysieren die Daten und präsentieren die Ergebnisse - II
14 Die Komponenten der DW-Architektur Datenquellen Datenquellen sind sämtliche dem DW vorgelagerten Systeme, die Daten an das DW liefern. Auswahlkriterien: Zweck des DW Qualität der Quelldaten Verfügbarkeit (rechtlich, sozial, organisatorisch, technisch) Preis Anforderungen an die Qualität der Quelldaten Konsistenz Korrektheit Vollständigkeit Genauigkeit it und Granularität Zuverlässigkeit und Glaubwürdigkeit Verständlichkeit Verwendbarkeit und Relevanz - II
15 Die Komponenten der DW-Architektur Monitore Komponente, die Datenänderungen in den Datenquellen meldet. Typischerweise wird pro Datenquelle ein eigener Monitor benötigt Monitor-Strategien, basierend auf den Konzepten: Trigger Replikation Zeitstempel Logdatei Snapshot Arbeitsbereich Dient der temporären Zwischenspeicherung. Ziel: Integration der Daten Verwaltung durch den DW-Administrator - II
16 Die Komponenten der DW-Architektur Extraktionskomponente: Übertragung aus Datenquelle in Arbeitsbereich Wie bereits notiert gibt es folgende Alternativen: periodisch, auf Anfrage, ereignisgesteuert, bei jeder Änderung Transformationskomponente Hat den Zweck, die Daten in einheitliches Format zu übertragen und die semantische Korrektheit sicherzustellen Datenmigration Anpassung von Datentypen (Vereinheitlichung von Zeichenketten, Datumsangaben, Kombination bzw. Separierung von Attributwerten) t t Konvertierung unterschiedlicher Kodierungen Umrechnung von Maßeinheiten Data-Cleansing (Datenbereinigung) Data Scrubbbing Ausnutzung anwendungsspezifischer Information, um semantische Unzulänglichkeiten zu beseitigen» Anpassung der semantischen Zuordnung von Daten» Beseitigung von Doubletten Data Auditing Identifizieren von (möglicherweise fehlerhaften) Ausreißern mit Hilfe von Data Mining. - II
17 Ladekomponente Die Komponenten der DW-Architektur Übertragung der Daten aus dem Arbeitsbereich in die Basisdatenbank. Typischerweise als inkrementelles Laden realisiert. Dabei wird ein geänderter Satz im DW nicht überschrieben, sondern zusätzlich angelegt. Weiteres Problem bereiten die z.t. sehr hohen Ladevolumina. Online Ladevorgang Offline Ladevorgang Basisdatenbank Versorgt die sich anschließenden DW s mit den erforderlichen Daten (Distributionsfunktion) Stellt dazu eine anwendungsunabhängige integrierte Sicht der Daten bereit Sie enthält die Basisdaten im erforderlichen Detailierungsgrad. Sie enthält keine Aggregate ( single point of truth ): Nachvollziehbarkeit und Verfügbarkeit Die Aktualisierungshäufigkeit hängt von den Erfordernissen der DW- Anwendungen ab Allerdings wird in vielen Implementierungen auf die Basisdatenbank verzichtet. - II
18 Data Warehouse Die Komponenten der DW-Architektur Das DW ist die den gewünschten Analysen zugrunde liegende Datenbank. Ziel: Bereitstellung und Verwaltung der Daten für die gewünschte Analyse. Daten sind im DW analysebezogen gespeichert ( Star-Schema und Snowflake-Schema) Data Marts (historischer i h Begriff, heute bzw. bei Verwendung einer Basisdatenbank weitgehend überholt) Teilsicht eines DW, das organisatorischen Gegebenheiten Rechnung trägt (z.b. Datenschutzaspekte, t Lastverteilung, t Eigenständigkeit it (z.b. Mobilität) bestimmter t Anwendungen Im Gegensatz zum View-Konzept von RDBMS, das die physische Anordnung der Daten nicht verändert (nur logische Sicht auf die Daten) bestehen Data Marts aus anwendungsbezogenen Anordnungen bzw. Umgruppierungen der Daten des Data- Warehouse (materialisierte Views). Zur Pflege dieser Daten (Aktualisierungen!), aber auch zur Erstellung anwendungsspezifischer Reports und Auswertungen sowie der Betreuung der spezifischen Fachabteilungen wird in der Literatur von dem Data-Mart-Administrator gesprochen. Die automatische Aktualisierung der Daten eines Data-Mart erfolgt durch den bereits erwähnten Integrator. - II
19 Analyse Die Komponenten der DW-Architektur Die eigentliche Auswertung der Daten. Analysemethoden (Businesss Intelligence Tools BI-Tools BI-Tools ) Reporting : Werkzeuge zur Erstellung von Berichten und zur Datenrepräsentation. Z.B. Ampelfunktion um Abweichungen von vorgegebenen Bereichen kenntlich zu machen, Tortendiagramme, Säulendiagramme, Tabellen, Grafiken etc. Online Analytical Processing (OLAP): Interaktives Arbeiten mit multidimensionalen Würfeln drill down / roll up: Detaillieren und Verdichten in einer Dimension drill through slice: Herausschneiden einer Scheibe aus dem OLAP-Würfel durch Fixierung einer Dimensionsausprägung. dice (= würfeln würfeln = Drehen des Würfels, Sichtbarmachen anderer Dimensionen) Data Mining - II
20 - II
21 OLAP als Mittel zur Unterstützung von Entscheidungen Die Dimensionen als entscheidungsrelevante Größen müssen vorab festgelegt werden. Anfragen, die sich nicht diesem vorgefertigten Schema unterordnen, können entweder nicht oder nur nach erheblichem Aufwand beantwortet werden. Innovative Fragestellungen werden deswegen nicht ausreichend unterstützt. Betonung zeitlicher Verläufe und damit zusammenhängender Operationen, wie Trendanalysen und Prognose-Rechnungen g Verknüpfung der Daten unterschiedlicher Dimensionen nach relativ einfachen Kriterien, z.b. zur Abweichungsanalyse (Vergleich von Soll und Ist-Daten) oder zur Bildung von Kennziffernsystemen. - II
22 Data Mining als Mittel zur Unterstützung von Entscheidungen Auswertung der im Data Warehouse gehaltenen Daten mit dem Ziel neue Zusammenhänge bzw. Zusammenhangsmuster (Pattern-Analyse) zu entdecken. Konkret ist dabei an Assoziationen bzw. der Analyse von Sequenzen zu denken. Klassifikation von Daten mit dem Ziel Risiko-Faktoren zu entdecken bzw. Ef Erfolgsgruppen (z.b. für Marketing-Aktivitäten) ität zu identifizieren i bzw. zu selektieren. Typisches Anwendungsbeispiel: Klassifikation von Konsumenten, die um einen Kredit nachsuchen, in Risikogruppen. Verwendung von Techniken der Statistik Anwendung maschineller Lernverfahren - II
23 Die Komponenten der DW-Architektur Repositorium Enthält die Metadaten des DW. Sie werden von den Nutzern zum Verständnis benötigt und von Monitor und ETL-Prozessoren zur Steuerung der Prozesse: Fachliche Metadaten Anwendungsspezifische Dokumentationen zu standardisierten Anfragen und Auswertungen Fachbegriffe, Terminologien, Thesauri, domainenspezifisches Wissen Kontextinformationen zu Maßeinheiten oder Datumsformaten Technische Metadaten Logische und physische Datenschemata Integritätsbedingungen Implementierungsinformationen i zu den ETL-Prozessen der unterschiedlichen h Datenquellen Metadatenmanager t Verwaltet und aktualisert die Metadaten im Repositorium. Stellt Schnittstellen zum Lesen und Schreiben des Repositoriums bereit. - II
24 - II
25 Das multidimensionale Modell OLAP-Würfel (Data Cube) Typische Anfragen an ein Data Warehouse sind multidimensional: Erstelle eine Übersicht über die Umsätze, Kosten, Deckungsbeiträge sämtlicher Produkte, geordnet nach Quartalen und Filialen. Dimensionen wären im vorliegenden Fall: Produkte, Quartale (Zeit), Filialen. Unterschieden wird folglich in Fakten ( = Zahlenwerte, Messwerte) und Dimensionen. Dimensionen beschreiben den Kontext des Messwerts und werden häufig hierarchisch verdichtet: Produkt Produktgruppe Produktlinie Sparte Tag Monat Quartal Jahr Veranschaulichung: 3-dimensionaler Würfel (bzw. in Form einer 3-dimensionalen Tabelle) Zellen des Würfels: spezifische Werte Umsatz, Kosten, Deckungsbeitrag pro Produkt, Quartal und Filiale Typische Auswertungen eines OLAP-Würfels ergeben sich durch Projektionen und Summationen (drill down, drill through, roll up, slice, dice) - II
26 - II
27 OLAP-Architekturen ROLAP und MOLAP Die Aufbereitung der Daten eines Data-Warehous für die Zellen des OLAP- Würfels kann als VIEW einer relationalen Datenbank erfolgen. In diesem Fall spricht man von ROLAP (relationales OLAP). Die Werte der Zellen können aber auch vor der Nutzung aus dem Data- Warehouse ausgelesen und im OLAP-Würfel physisch abgespeichert werden, was man dann MOLAP (multidimensionales OLAP) nennt. ROLAP Nutzung der bekannten relationalen Technologie. Kein zusätzliches DBS erforderlich. Erfahrungen der Mitarbeiter mit relationalen DBS können genutzt werden. Nachteil: hochkomplexe SQL-Anfragen, nur beschränkte Nutzung für EIS MOLAP Mittels eigenständigem System (Multidimensionales Datenbankmanagementsystem MDBMS) kann eine Optimierung des multidimensionalen Modells erfolgen. Verzicht auf Sperrkonzepte, Transaktionsmanager und Recovery- Mechanismen reduziert den Overhead. - II
28 OLAP-Architekturen Star-Schema und Snowflake-Schema bei ROLAP Beispiel Relation Prod_Umsatz_Filiale hält die Umsätze verschiedener Produkte pro Filiale und Tag über mehrer Jahre fest: Prod_Umsatz_Filiale ( Prod#, Filialen#, Umsatz, Datum) Dimensionen des OLAP-Würfels Produkt Produktgruppe Produktlinie all Filiale Stadt Region Land all Tag Woche; Tag Monat Quartal Jahr - II
29 - II
30 - II
31 Relationen: Dimensionstabellen Star-Schema PRODUKT (Prod#, Name,..., Prodgruppe, Gruppenbez., Prodlinie, Linienbez.) FILIALE (Filialen#, Name,..., Stadt, Region, Land) DATUM (Datum#, Woche, Monat, Quartal, Jahr) Im Zentrum des Sterns beim Starschema steht die sogenannte Fact- Table, die die konkreten Zahlenwerte, hier Umsatz, mit den Schlüsseln der einzelnen Dimensionen verknüpft: Fact-Table: PROD_UMSATZ (Prod#, Filialen#, Umsatz, Datum#) Keine Normalisierung! Fact Constellation Schema Überlagerung von Sternen dadurch, dass die Dimensionstabellen für mehrere unterschiedliche Faktentabellen verwendet werden. - II
32 - II
33 Relationen: Dimensionstabellen Snowflake-Schema PRODUKT (Prod#, Name,..., Prodgruppe#) PRODUKTGRUPPE (Prodgruppe#, Gruppen_Bezeichnung,..., Prodlinie#) PRODUKTLINIE (Prodlinie#, Linien_Bezeichnung) FILIALE (Filialen#, l Name,..., Stadt_Name) STADT (Stadt_Name,.., Region#) REGION (Region#, Bezeichnung,..., Land) LAND (Land) DATUM (Datum#, Wochen#, Monats#) WOCHE (Wochen#, Jahr#) MONAT (Monats#, Name, Quartals#) Quartal(Quartals#, Jahr#) JAHR (Jahr#) Das Snowflake-SchemaSchema ist normalisiert - II
Data 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
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...............
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...
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
MehrAufgabe 1: [Logische Modellierung]
Aufgabe 1: [Logische Modellierung] a) Entwerfen Sie für das von Ihnen entworfene Modell aus Aufgabe 2 des 1. Übungsblattes ein Star-Schema. b) Entwerfen Sie für das vorangegangene Modell einen Teil eines
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
MehrData Mining-Projekte
Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein
MehrSeminar Business Intelligence Teil II. Data Mining & Knowledge Discovery
Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?
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
MehrSurvival Guide für Ihr Business Intelligence-Projekt
Survival Guide für Ihr Business Intelligence-Projekt Sven Bosinger Solution Architect BI Survival Guide für Ihr BI-Projekt 1 Agenda Was ist Business Intelligence? Leistungsumfang Prozesse Erfolgsfaktoren
MehrData Warehousing. Kapitel 1: Data-Warehousing-Architektur. Folien teilweise übernommen von Matthias Gimbel
Data Warehousing Kapitel 1: Data-Warehousing-Architektur Folien teilweise übernommen von Matthias Gimbel 2 Analyse von Geschäftsprozessen Mögliche Fragestellungen Wie entwickelt sich unser Umsatz im Vergleich
MehrKampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht
Kampagnenmanagement mit Siebel Marketing/Oracle BI ein Praxisbericht Thomas Kreuzer ec4u expert consulting ag Karlsruhe Schlüsselworte: Kampagnenmanagement Praxisbericht Siebel Marketing Oracle BI - ec4u
MehrW.WIINM32.11 (Datawarehousing) W.WIMAT03.13 (Statistik)
Modulbeschrieb Business Intelligence and Analytics 16.10.2013 Seite 1/5 Modulcode Leitidee Art der Ausbildung Studiengang Modultyp W.WIINM42.13 Information ist eine derart wichtige Komponente bei der Entscheidungsfindung,
MehrBI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit
BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon
MehrC09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl
C09: Einsatz SAP BW im Vergleich zur Best-of-Breed-Produktauswahl Ein Seminar der DWH academy Seminar C09 Einsatz SAP BW im Vergleich zur Best-of-Breed- Produktauswahl Befasst man sich im DWH mit der Auswahl
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
MehrHandbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken
Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen
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...
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
MehrData Warehousing und Data Mining
2 Data Warehousing und Data Mining Kapitel 1: Data-Warehousing-Architektur von Geschäftsprozessen Mögliche Fragestellungen Wie entwickelt sich unser Umsatz im Vergleich zum letzten Jahr? In welchen Regionen
MehrInformationssysteme: Neuere Konzepte Teil II
Informationssysteme: Neuere Konzepte Kapitel 1: Data-Warehousing-Architektur Folien teilweise übernommen von Matthias Gimbel 2 von Geschäftsprozessen Mögliche Fragestellungen Wie entwickelt sich unser
MehrNach Data Warehousing kommt Business Intelligence
Nach Data Warehousing kommt Business Intelligence Andrea Kennel Trivadis AG Glattbrugg, Schweiz Schlüsselworte: Business Intelligence, Data Warehouse Zusammenfassung Data Warehouse bedeutet, dass operative
MehrAuswertung für Warenwirtschaft/ERP, Interbase und ODBC... 2
Cubix O.L.A.P... 2 Auswertung für Warenwirtschaft/ERP, Interbase und ODBC... 2 Datenverbindung über ODBC... 4 Datenbereitstellung über SQL... 5 Festlegung der Dimensionen... 6 Festlegung der Summen...
MehrMetaNavigation der effizienteste Weg maximalen Mehrwert aus BI Metadaten zu ziehen
MetaNavigation der effizienteste Weg maximalen Mehrwert aus BI Metadaten zu ziehen Pasquale Grippo Senior Manager/Business Unit Manager BI 18/20.10.2011 Oracle Business Analytics Summits Düsseldorf/München
MehrIntegration mit. Wie AristaFlow Sie in Ihrem Unternehmen unterstützen kann, zeigen wir Ihnen am nachfolgenden Beispiel einer Support-Anfrage.
Integration mit Die Integration der AristaFlow Business Process Management Suite (BPM) mit dem Enterprise Information Management System FILERO (EIMS) bildet die optimale Basis für flexible Optimierung
MehrData Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY
Data Cube On-line Analytical Processing (OLAP). Einführung Ziel: Auffinden interessanter Muster in großen Datenmengen 2. Aggregation in SQL, GROUP BY 3. Probleme mit GROUP BY 4. Der Cube-Operator! Formulierung
MehrBest Practice Infor PM 10 auf Infor Blending
Best Practice Infor PM 10 auf Infor Blending, 11.11.2008 Infor Performance Management Best Practice Infor PM 10 auf Infor Blending Leistungsübersicht Infor PM 10 auf Infor Blending eine Data Warehouse
MehrArchitektur eines Data Warehouse Systems. Mario Jandeck
Architektur eines Data Warehouse Systems Mario Jandeck Agenda Folie 2 von 24 1. Die Referenzarchitektur 2. Komponenten des Data Warehouse Systems 3. Datenbeschaffung und Qualität 4. Analyse im Data Warehouse
MehrSuche schlecht beschriftete Bilder mit Eigenen Abfragen
Suche schlecht beschriftete Bilder mit Eigenen Abfragen Ist die Bilderdatenbank über einen längeren Zeitraum in Benutzung, so steigt die Wahrscheinlichkeit für schlecht beschriftete Bilder 1. Insbesondere
MehrDatenbanken. Prof. Dr. Bernhard Schiefer. bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer
Datenbanken Prof. Dr. Bernhard Schiefer bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer Wesentliche Inhalte Begriff DBS Datenbankmodelle Datenbankentwurf konzeptionell, logisch und relational
MehrInformationssysteme. Prof. Dr. Hans Czap. Lehrstuhl für Wirtschaftsinformatik I. Lehrstuhl für Wirtschaftsinformatik I - II - 1 -
Vorlesung Grundlagen betrieblicher Informationssysteme Prof. Dr. Hans Czap Email: Hans.Czap@uni-trier.de - II - 1 - Inhalt Kap. 1 Ziele der Datenbanktheorie Kap. 2 Datenmodellierung und Datenbankentwurf
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
MehrProf. Dr.-Ing. Rainer Schmidt 1
Prof. Dr.-Ing. Rainer Schmidt 1 Business Analytics und Big Data sind Thema vieler Veröffentlichungen. Big Data wird immer häufiger bei Google als Suchbegriff verwendet. Prof. Dr.-Ing. Rainer Schmidt 2
MehrDatabase Exchange Manager. Infinqa IT Solutions GmbH, Berlin Stralauer Allee 2 10245 Berlin Tel.:+49(0) 30 2900 8639 Fax.:+49(0) 30 2900 8695
Database Exchange Manager Replication Service- schematische Darstellung Replication Service- allgemeines Replikation von Daten von bzw. in ein SAP-System und einer relationalen DMS-Datenbank Kombination
MehrFastBill Automatic. Dokumentation Versand. FastBill GmbH. Holteyer Straße 30 45289 Essen Telefon 0201 47091505 Telefax 0201 54502360
FastBill GmbH Holteyer Straße 30 45289 Essen Telefon 0201 47091505 Telefax 0201 54502360 FastBill Automatic Dokumentation Versand 1 Inhaltsverzeichnis: 1. Grundlegendes 2. Produkteinstellungen 2.1. Grundeinstellungen
MehrData Mining-Modelle und -Algorithmen
Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining ist ein Prozess, bei dem mehrere Komponenten i n- teragieren. Sie greifen auf Datenquellen, um diese zum Training,
MehrNeues Modul für individuelle Anlagen. Änderung bei den Postleitzahl-Mutationen
NEWSLETTER APRIL 2015 Neues Modul für individuelle Anlagen Die LESS Informatik hat in Zusammenarbeit mit einem Kunden die Umsetzung des neuen Moduls 1e für die Anwendung von individuelle Anlagen in Angriff
MehrARCO SQL T5 - Business Intelligence
ARCO SQL T5 - Business Intelligence Um die ARCO Business Intelligence Funktionen nutzen zu können, werden diese unter MS Excel eingerichtet. Es handelt sich um strukturierte Auswertungen bezüglich Umsätzen,
MehrKostenstellen verwalten. Tipps & Tricks
Tipps & Tricks INHALT SEITE 1.1 Kostenstellen erstellen 3 13 1.3 Zugriffsberechtigungen überprüfen 30 2 1.1 Kostenstellen erstellen Mein Profil 3 1.1 Kostenstellen erstellen Kostenstelle(n) verwalten 4
MehrIst Excel das richtige Tool für FMEA? Steve Murphy, Marc Schaeffers
Ist Excel das richtige Tool für FMEA? Steve Murphy, Marc Schaeffers Ist Excel das richtige Tool für FMEA? Einleitung Wenn in einem Unternehmen FMEA eingeführt wird, fangen die meisten sofort damit an,
MehrEXASOL Anwendertreffen 2012
EXASOL Anwendertreffen 2012 EXAPowerlytics Feature-Architektur EXAPowerlytics In-Database Analytics Map / Reduce Algorithmen Skalare Fkt. Aggregats Fkt. Analytische Fkt. Hadoop Anbindung R LUA Python 2
MehrLinked Open Data (LOD) in der Landwirtschaft. Workshop 23.04.2013-24.04.2013 Anwendungsbeispiele nach Themen I
Linked Open Data (LOD) in der Landwirtschaft Workshop 23.04.2013-24.04.2013 Anwendungsbeispiele nach Themen I zentrum der BLE (Qualitative Aspekte in Bezug auf linked Data) Dr. Maul 1 Ziele des zentrums
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
MehrWinWerk. Prozess 4 Akonto. KMU Ratgeber AG. Inhaltsverzeichnis. Im Ifang 16 8307 Effretikon
Prozess 4 Akonto WinWerk 8307 Effretikon Telefon: 052-740 11 11 Telefax: 052 740 11 71 E-Mail info@kmuratgeber.ch Internet: www.winwerk.ch Inhaltsverzeichnis 1 Akonto... 2 1.1 Allgemein... 2 2 Akontobeträge
MehrAllgemeines zu Datenbanken
Allgemeines zu Datenbanken Was ist eine Datenbank? Datensatz Zusammenfassung von Datenelementen mit fester Struktur Z.B.: Kunde Alois Müller, Hegenheimerstr. 28, Basel Datenbank Sammlung von strukturierten,
MehrWS 2002/03. Prof. Dr. Rainer Manthey. Institut für Informatik III Universität Bonn. Informationssysteme. Kapitel 1. Informationssysteme
Informationssysteme Informationssysteme WS 2002/03 Prof. Dr. Rainer Manthey Institut für Informatik III Universität Bonn 2002 Prof. Dr. Rainer Manthey Informationssysteme 1 DB und/oder IS: terminologischer
MehrRelationale Datenbanken Datenbankgrundlagen
Datenbanksystem Ein Datenbanksystem (DBS) 1 ist ein System zur elektronischen Datenverwaltung. Die wesentliche Aufgabe eines DBS ist es, große Datenmengen effizient, widerspruchsfrei und dauerhaft zu speichern
MehrInformationssystemanalyse Problemstellung 2 1. Trotz aller Methoden, Techniken usw. zeigen Untersuchungen sehr negative Ergebnisse:
Informationssystemanalyse Problemstellung 2 1 Problemstellung Trotz aller Methoden, Techniken usw. zeigen Untersuchungen sehr negative Ergebnisse: große Software-Systeme werden im Schnitt ein Jahr zu spät
MehrINFORMATION MONITOR HSM SOFTWARE GMBH CLIENT-INSTALLATION
INFORMATION MONITOR HSM SOFTWARE GMBH CLIENT-INSTALLATION Allgemein Infomon bietet die Architektur für das Informations-Monitoring in einer Windows- Topologie. Die Serverfunktionalität wird in einer IIS-Umgebung
MehrExcel Pivot-Tabellen 2010 effektiv
7.2 Berechnete Felder Falls in der Datenquelle die Zahlen nicht in der Form vorliegen wie Sie diese benötigen, können Sie die gewünschten Ergebnisse mit Formeln berechnen. Dazu erzeugen Sie ein berechnetes
MehrStrategisches Informationsmanagement auf Basis von Data Warehouse-Systemen
Strategisches Informationsmanagement auf Basis von Data Warehouse-Systemen SAS PharmaHealth & Academia Gabriele Smith KIS-Tagung 2005 in Hamburg: 3. März 2005 Copyright 2003, SAS Institute Inc. All rights
MehrCL-Mini-ABF. Kurzbeschreibung. Installation und Vorbereitung. Stand 30.01.2012. Ihre HTK-Filiale Michelstadt
64720 email : Info@KM-EDV.de Stand 30.01.2012 CL-Mini-ABF Inhaltsverzeichnis Kurzbeschreibung... 1 Installation und Vorbereitung...1 ODBC-Zugriff... 2 ODBC-Einrichtung unter Windows XP...2 ODBC-Einrichtung
MehrTypisierung des Replikationsplan Wirries, Denis Datenbankspezialist
Typisierung des Replikationsplan Wirries, Denis Datenbankspezialist Feintypisierung - Überblick Ergebnisse Ergebnisse aus aus anderen anderen Arbeitsergebnissen Arbeitsergebnissen Replikationsplan Replikationsplan
MehrSchlüssel bei temporalen Daten im relationalen Modell
Schlüssel bei temporalen Daten im relationalen Modell Gesine Mühle > Präsentation > Bilder zum Inhalt zurück weiter 322 Schlüssel im relationalen Modell Schlüssel bei temporalen Daten im relationalen Modell
MehrWiederkehrende Buchungen
Wiederkehrende Buchungen Bereich: FIBU - Info für Anwender Nr. 1133 Inhaltsverzeichnis 1. Ziel 2. Vorgehensweise 2.1. Wiederkehrende Buchungen erstellen 2.2. Wiederkehrende Buchungen einlesen 3. Details
MehrHilfe zur Urlaubsplanung und Zeiterfassung
Hilfe zur Urlaubsplanung und Zeiterfassung Urlaubs- und Arbeitsplanung: Mit der Urlaubs- und Arbeitsplanung kann jeder Mitarbeiter in Coffee seine Zeiten eintragen. Die Eintragung kann mit dem Status anfragen,
MehrLars Priebe Senior Systemberater. ORACLE Deutschland GmbH
Lars Priebe Senior Systemberater ORACLE Deutschland GmbH Data Mining als Anwendung des Data Warehouse Konzepte und Beispiele Agenda Data Warehouse Konzept und Data Mining Data Mining Prozesse Anwendungs-Beispiele
MehrLOPEZ_SU AREZ_DAT ENANALYS E_ZERZEP
LEISTUNGSÜBERSICHT 2014 ÜBERBLICK Seite 2 Das Unternehmen Seite 3 Datenanalyse Seite 4 Prozessoptimierung Seite 5 Treuhand & Revision Seite 6 Interim Management Seite 7 Referenzen Seite 8 Kontakt Seite
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
MehrMarketing Intelligence Schwierigkeiten bei der Umsetzung. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Schwierigkeiten bei der Umsetzung Josef Kolbitsch Manuela Reinisch Übersicht Schwierigkeiten bei der Umsetzung eines BI-Systems Schwierigkeiten der Umsetzung 1/13 Strategische Ziele
MehrReporting Services und SharePoint 2010 Teil 1
Reporting Services und SharePoint 2010 Teil 1 Abstract Bei der Verwendung der Reporting Services in Zusammenhang mit SharePoint 2010 stellt sich immer wieder die Frage bei der Installation: Wo und Wie?
MehrDas Pflichtenheft. Dipl.- Ing. Dipl.-Informatiker Dieter Klapproth Ains A-Systemhaus GmbH Berlin
Fragestellungen: Warum reicht das Lastenheft nicht aus? Was kann ich mit dem Lastenheft machen? Was unterscheidet das Pflichtenheft vom Lastenheft? Was gehört zum Auftragsumfang einer Individualsoftware?
MehrBI in der Cloud eine valide Alternative Überblick zum Leistungsspektrum und erste Erfahrungen 11.15 11.45
9.30 10.15 Kaffee & Registrierung 10.15 10.45 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.45 11.15 11.15 11.45 Von Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics
MehrDatenmanagement. Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau. Strategisches Informationsmanagement 1 (01/2006)
Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau (01/2006) Strategisches Informationsmanagement 1 Definition Notwendige Vermaischung der Daten in der Vorstufe zur Destillation von hochprozentiger
MehrHOWTO Update von MRG1 auf MRG2 bei gleichzeitigem Update auf Magento CE 1.4 / Magento EE 1.8
Update von MRG1 auf MRG2 bei gleichzeitigem Update auf Magento CE 1.4 / Magento EE 1.8 Schritt 1: Altes Modul-Paket vollständig deinstallieren Die neuen MRG-Module sind aus dem Scope local in den Scope
MehrLavid-F.I.S. Ablaufbeschreibung für. Arbeitszeiterfassung. Lavid-F.I.S.
Lavid-F.I.S. Ablaufbeschreibung für Dauner Str. 12, D-41236 Mönchengladbach, Tel. 02166-97022-0, Fax -15, Email: info@lavid-software.net 1. Inhalt 1. Inhalt... 2 2. Verwendbar für... 3 3. Aufgabe... 3
MehrFAQ 04/2015. Auswirkung der ISO 14119 auf 3SE53/3SF13 Positionsschalter. https://support.industry.siemens.com/cs/ww/de/view/109475921
FAQ 04/2015 Auswirkung der ISO 14119 auf 3SE53/3SF13 Positionsschalter mit https://support.industry.siemens.com/cs/ww/de/view/109475921 Dieser Beitrag stammt aus dem Siemens Industry Online Support. Es
Mehr2. Einrichtung der ODBC-Schnittstelle aus orgamax (für 32-bit-Anwendungen)
1. Einführung: Über den ODBC-Zugriff können Sie bestimmte Daten aus Ihren orgamax-mandanten in anderen Anwendungen (beispielsweise Microsoft Excel oder Microsoft Access) einlesen. Dies bietet sich beispielsweise
MehrCarl-Christian Kanne. Einführung in Datenbanken p.1/513
Einführung in Datenbanken Carl-Christian Kanne Einführung in Datenbanken p.1/513 Kapitel 1 Einführung Einführung in Datenbanken p.2/513 Einführung Was ist ein Datenbanksystem (DBS)? Ein System zum Speichern
MehrCheckliste fu r Lieferanten
1 Checkliste fu r Lieferanten Um die Daten in den E- Control Tarifkalkulatoren (TK Neu Haushalte, TK Gewerbe und TK Admintool Neu) vor ihren Livegang zu vervollständigen und zu aktualisieren, sollen die
MehrAbamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER
Abamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER Abamsoft Finos in Verbindung mit der Webshopanbindung wurde speziell auf die Shop-Software shop to date von DATA BECKER abgestimmt. Mit
MehrHow to do? Projekte - Zeiterfassung
How to do? Projekte - Zeiterfassung Stand: Version 4.0.1, 18.03.2009 1. EINLEITUNG...3 2. PROJEKTE UND STAMMDATEN...4 2.1 Projekte... 4 2.2 Projektmitarbeiter... 5 2.3 Tätigkeiten... 6 2.4 Unterprojekte...
MehrPräsentation: Google-Kalender. Walli 25.02.2009 Ruedi Knupp Urdorf 26.08.09
Präsentation: Google-Kalender Walli 25.02.2009 Ruedi Knupp Urdorf 26.08.09 Übersicht Google-Kalender hat einen ausgezeichneten Hilfeteil. Es wird empfohlen, für alle Probleme zuerst diese Hilfe (oben rechts)
MehrAcht Gute Gründe für Integration und einen Content Backbone
Acht Gute Gründe für Integration und einen Content Backbone COMYAN Whitepaper Autor Peter Resele Datum 9. März 2009 Status Public =GmbH Karolingerstrasse 34a 82205 Gilching Germany t + 49 810 5779390 peter.resele@comyan.com
MehrFragen und Antworten
Fragen und Antworten im Umgang mit dem elektronischen Abfallnachweisverfahren eanv in Bezug auf die ZKS-Abfall -Allgemeine Fragen- www.zks-abfall.de Stand: 19.05.2010 Einleitung Auf den folgenden Seiten
MehrWie richten Sie Ihr Web Paket bei Netpage24 ein
Wie richten Sie Ihr Web Paket bei Netpage24 ein Eine kostenlose ebook Anleitung von Netpage24 - Webseite Information 1 E-Mail Bestätigung... 3 2 Ticketsystem... 3 3 FTP Konto anlegen... 4 4 Datenbank anlegen...
MehrPersönliches Adressbuch
Persönliches Adressbuch Persönliches Adressbuch Seite 1 Persönliches Adressbuch Seite 2 Inhaltsverzeichnis 1. WICHTIGE INFORMATIONEN ZUR BEDIENUNG VON CUMULUS 4 2. ALLGEMEINE INFORMATIONEN ZUM PERSÖNLICHEN
Mehrvisionapp Base Installation Packages (vbip) Update
visionapp Base Installation Packages (vbip) Update Juli 2005 Beschreibung der Installationspakete und Installationspaketschablonen Copyright visionapp GmbH, 2005. Alle Rechte vorbehalten. Die in diesem
Mehrpro4controlling - Whitepaper [DEU] Whitepaper zur CfMD-Lösung pro4controlling Seite 1 von 9
Whitepaper zur CfMD-Lösung pro4controlling Seite 1 von 9 1 Allgemeine Beschreibung "Was war geplant, wo stehen Sie jetzt und wie könnte es noch werden?" Das sind die typischen Fragen, mit denen viele Unternehmer
MehrDatenbanksysteme 2 Frühjahr-/Sommersemester 2014 28. Mai 2014
Lehrstuhl für Praktische Informatik III Prof. Dr. Guido Moerkotte Email: moer@db.informatik.uni-mannheim.de Marius Eich Email: marius.eich@uni-mannheim.de Datenbanksysteme 2 8. Übungsblatt Frühjahr-/Sommersemester
MehrInstruktionsheft für neue Webshop Hamifleurs
Instruktionsheft für neue Webshop Hamifleurs Instruktionen für neue Webshop Hamifleurs Gehen Sie zu www.hamifleurs.nl. Klicken Sie auf Login Kunden und es erscheint der Bildschirm auf der nächsten Seite.
MehrXtract EXA. Plug n Play mit SAP und EXASolution
Xtract EXA Plug n Play mit SAP und EXASolution Xtract EXA garantiert eine nahtlose Integration zwischen Ihrem SAP ERP- bzw. SAP BW-System und EXASolution. Mit nur wenigen Mausklicks extrahieren Sie Massendaten
MehrTechnische Analyse der Zukunft
Technische Analyse der Zukunft Hier werden die beiden kurzen Beispiele des Absatzes auf der Homepage mit Chart und Performance dargestellt. Einfache Einstiege reichen meist nicht aus. Der ALL-IN-ONE Ultimate
MehrCKL Bewertung PLUS. für Microsoft Dynamics NAV. AugenbliCKLlich Durchblick: Die Bewertung zum Bilanzstichtag. Software, die sich rechnet.
CKL Bewertung für Microsoft Dynamics NAV AugenbliCKLlich Durchblick: Die Bewertung zum Bilanzstichtag. Software, die sich rechnet. Speziallösung CKL BEWERTUNG Das Modul CKL Bewertung ist eine zertifizierte
MehrBusiness Intelligence und Geovisualisierung in der Gesundheitswirtschaft
Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Prof. Dr. Anett Mehler-Bicher Fachhochschule Mainz, Fachbereich Wirtschaft Prof. Dr. Klaus Böhm health&media GmbH 2011 health&media
MehrUpgrade-Leitfaden. Apparo Fast Edit 1 / 7
Upgrade-Leitfaden Apparo Fast Edit 1 / 7 Inhaltsverzeichnis 1 Download der neuen Version... 4 2 Sicherung des Apparo Datenbank-Repository... 4 3 De-Installation der installierten Apparo Fast Edit Version...
MehrSQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar
SQL Server 2012 und SharePoint im Unternehmenseinsatz Referent Daniel Caesar sqlxpert Daniel Caesar Publikationen Themen SQL Server Admin, Entwicklung SharePoint Admin, Entwicklung.NET Entwicklung Rechtssichere
MehrMacher Solutions Produktinformation SAP Crystal Reports 2011
Merkmale und Funktionen Crystal Reports stellt umfangreiche Funktionen für Entwurf, Analyse, Visualisierung und Bereitstellung aussagekräftiger Berichte zur Verfügung. Integration von SAP Crystal Spielen
MehrVirtual Roundtable: Business Intelligence - Trends
Virtueller Roundtable Aktuelle Trends im Business Intelligence in Kooperation mit BARC und dem Institut für Business Intelligence (IBI) Teilnehmer: Prof. Dr. Rainer Bischoff Organisation: Fachbereich Wirtschaftsinformatik,
MehrSeminar im Sommersemester 2004 an der Universität Karlsruhe (TH)
Seminar im Sommersemester 2004 an der Universität Karlsruhe (TH) Verteilung und Integration von Informationen im Verkehrsbereich Thema: OLAP in verteilten Data-Warehouse- Umgebungen Vortrag: Christian
Mehr2 Datenbanksysteme, Datenbankanwendungen und Middleware... 45
Vorwort 15 Teil I Grundlagen 19 i Einführung In das Thema Datenbanken 21 I.I Warum ist Datenbankdesign wichtig? 26 i.2 Dateisystem und Datenbanken 28 1.2.1 Historische Wurzeln 29 1.2.2 Probleme bei der
MehrSharePoint - Security
SharePoint - Security SharePoint Control Manager Technologien Lösungen Trends Erfahrung Inhalt 1 GRUNDSATZ...3 2 VORGEHENSMODELL UND LÖSUNGSANSATZ...4 3 TECHNISCHES KONZEPT...4 4 COMPLIANCE / REPORTS...4
MehrEMU Bill & Report 1/33
EMU Bill & Report 1/33 Inhaltsverzeichnis Schnellstart... 3 1. Datenlogger hinzufügen... 3 2. Kostenstelle erstellen... 5 3. Zähler zu Kostenstelle hinzufügen... 6 4. Rechnungsposition erstellen... 7 5.
Mehr10. Vorlesung: Datenorganisation SS 2007
10. Vorlesung: Datenorganisation SS 2007 8 Parallele Transaktionen 9 9.1 Drei-Ebenen Ebenen-Architektur 9.2 Verteilte Datenbanken 9.3 Client-Server Server-Datenbanken 9.4 Föderierte Datenbanken 9.5 Das
MehrCad-OasEs Int. GmbH. 20 Jahre UG/NX Erfahrung prägen Methodik und Leistungen. Nutzen Sie dieses Wissen!
Cad-OasEs Int. GmbH 20 Jahre UG/NX Erfahrung prägen Methodik und Leistungen Nutzen Sie dieses Wissen! Roland Hofmann Geschäftsführer der Cad-OasEs Int. GmbH Die Cad-OasEs bietet seit mehr als 20 Jahren
MehrMusterlösung für Schulen in Baden-Württemberg. Windows 200x. Lehrerfortbildung. Pflege des Exchange-Servers. Johannes Kühn
Musterlösung für Schulen in Baden-Württemberg Windows 200x Lehrerfortbildung Pflege des Exchange-Servers Johannes Kühn. Auflage, 20.07.2005 Inhalt. Problem... 4 2. Abhilfe... 5 2.. Variante I: Umlaufprotokollierung...
MehrDas SQL-Schlüsselwort ALL entspricht dem Allquantor der Prädikatenlogik
Beispielaufgaben Informationssysteme erstellt von Fabian Rump zur IS Vorlesung 2009/10 1 Multiple Choice Aussage richtig falsch Eine SQL-Abfrage beginnt immer mit dem Schlüsselwort SELECT Eine Datenbank
MehrSOLISYON GMBH TOBIAS GRUBER BEN WEISSMAN. Analyse von Dimensions-Schlüsselfehlern bei der Aufbereitung von SSAS Datenbanken
WEITER BLICKEN. MEHR ERKENNEN. BESSER ENTSCHEIDEN. Analyse von Dimensions-Schlüsselfehlern bei der Aufbereitung von SSAS Datenbanken SOLISYON GMBH TOBIAS GRUBER BEN WEISSMAN ANALYSE VON OLAP-AUFBEREITUNGSFEHLERN
MehrTechNote: Exchange Journaling aktivieren
Produkt: Kurzbeschreibung: NetOrchestra MA Emailarchivierung Exchange Journaling aktivieren Diese Anleitung hilft Ihnen, das nachfolgend geschilderte Problem zu beheben. Dazu sollten Sie über gute bis
MehrStellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster
Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.
Mehr