CAS Business Intelligence
|
|
- Kai Bergmann
- vor 6 Jahren
- Abrufe
Transkript
1 CAS Business Intelligence
2 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 4 5 Voraussetzungen 4 6 Kursübersicht 4 7 Kompetenzprofil 5 8 Kursbeschreibungen Data Warehouses - Foundation Data Warehouses - Advanced Intelligent Data Analysis BI-Projekt / Semesterarbeit 8 9 Kompetenznachweise Ergänzende Lehrmittel Dozierende Organisation Termine 11 Study Guide CAS BI 2/12
3 1 Abstract Business Intelligence heisst, operative und strategische Entscheide auf bestmöglicher Datengrundlage zu fällen. Ein Data Warehouse, unterstützt mit Analyse- und Prognose-Werkzeugen, stellt die zentralen IT- Grundlagen dafür bereit. In diesem CAS werden Techniken und Methoden für einen erfolgreichen Aufbau und Betrieb eines DWH vorgestellt und praktisch erarbeitet. 2 Umfeld und Motivation Heutige IT-Systeme erfassen riesige Mengen von Daten, beispielsweise für die Abwicklung von Prozessen, in der Logistik, in CRM und ERP-Systemen, im Marketing, im Qualitätsmanagement, im Verkauf, in Überwachungs- und Steuerungssystemen usw usw. Eine systematische Informationsgrundlage und Datenanalyse schafft die entscheidenden Geschäfts- und Qualitätsvorteile. 3 Zielgruppe Dieser Lehrgang richtet sich an IT-Mitarbeitende, die für die Pflege, die Weiterentwicklung oder den Aufbau von BI-Informationssystemen verantwortlich sind. Study Guide CAS BI 3/12
4 4 Ausbildungsziele Die Teilnehmenden können als Fach- und Projektverantwortliche DWH-Informationssysteme aufbauen, pflegen und Projektleitungen übernehmen. Sie kennen DWH-Referenzarchitekturen und können diese bei der Planung von DWH-Vorhaben umsetzen Sie beherrschen das Arbeiten mit Data Cubes und dimensionaler Modellierung Sie können ETL-Prozesse (Extract/Transform/Load) entwerfen und umsetzen Sie kennen alle wichtigen Aspekte rund um das Projektmanagement von DWH-Projekten Sie kennen die Bedeutung von Metadaten und Datenqualitätsmanagement Sie können Reports und Dashboards entwerfen Sie lernen die wichtigsten technologischen Aspekte von DWH-Systemen kennen, wie Optimierung mit Indices, Relationale und Multidimensionale Speicherung, Column Stores und In-Memory Datenbanken Sie lernen einige wichtige Methoden der Datenanalyse kennen Sie wissen, was die Aufgaben eines BI Kompetenzzentrums sind Dieser Lehrgang kann alleinstehend oder als Teil des modularen Programmes Master of Advanced Studies in Information Technology und des Master of Advanced Studies in Data Science der Berner Fachhochschule besucht werden. 5 Voraussetzungen Erfahrung im Bereich Datenbanken (Datenmodellierung, Abfragen, Administration, SQL). Allgemeines Informatikwissen (Architektur von IT-Systemen, Algorithmen und Datentypen, Arbeiten mit einer Programmier- oder Skriptsprache, Netzwerke). Laptop mit Admin-Rechten für die praktischen Übungen. Diese werden vorwiegend mit Images von Virtual Box durchgeführt ( Für die Semesterarbeit bringen die Teilnehmenden ein eigenes Thema mit, typischerweise aus dem beruflichen Umfeld und mit Unterstützung der Firma. Gruppenarbeiten sind möglich und wünschenswert. Details zu den allgemeinen Zulassungsbedingungen finden Sie auf unserer Webseite. 6 Kursübersicht Kurs/Lehreinheit Lektionen / Präsenz Data Warehouses - Foundation 40 Stunden Data Warehouses - Advanced 56 Intelligent Data Analysis 40 Semesterarbeit 8 90 Total Das CAS umfasst insgesamt 12 ECTS Punkte. Für die einzelnen Kurse ist entsprechend Zeit für Selbststudium, Prüfungsvorbereitung etc. einzurechnen. Study Guide CAS BI 4/12
5 7 Kompetenzprofil DWH Projekte führen DWH Konzepte und Modellierung Betrieb und Pflege von DWH- Systemen Arbeiten mit Datenbanken Datenanalysen durchführen Voraussetzung Ausbildungsziel Legende: 1. Kenntnisse von Begriffen, Definitionen und Regeln; Faktenwissen 2. Verstehen von Zusammenhängen, Erklären von Sachverhalte erklären können 3. Anwendung des Wissens in einfachen Situationen 4. Analyse der eigenen Lösung 5. Synthese neuer Lösungen und Anwendung in komplexen Situationen 6. Beurteilung der Anwendbarkeit für bestimmte Probleme und Situationen, methodische Abwägung und Evaluation von Alternativen, Beziehungen zu anderen Fachgebieten Study Guide CAS BI 5/12
6 8 Kursbeschreibungen Nachfolgend sind die Inhalte der einzelnen Kurse und Lehreinheiten beschrieben. Änderungen sind bis zu Beginn des Lehrgangs möglich. Angaben zu Terminen und Kompetenznachweisen sind ab Studienbeginn verbindlich. 8.1 Data Warehouses - Foundation Ein Datawarehouse stellt aufbereitete Daten aus unterschiedlichen Quellen für die betriebliche, strategische und kundenbezogene Entscheidungsfindung bereit. Im Gegensatz zu transaktionsorientierten Systemen ist es meist zeitbezogen, integriert also Daten aus unterschiedlichen Zeitabschnitten. Data Warehouses müssen heute in immer kürzeren Zyklen aktualisiert werden und eine flexible und vollständige Informationsaufbereitung anbieten, was hohe Anforderungen an Modellierung, Technologie und Betrieb stellt. Kursbeschreibung Lernziele Einführung in den Aufbau, die Modellierung und das Einpflegen von Daten in Data Warehouses. Themen Definition und Einordnung in die IT-Unternehmensstrategie DWH Referenz-Architektur OLTP, OLAP, DWH Reporting, Dashboards Multi-dimensionale Datenmodellierung, Datenwürfel (Cubes) Dimensionale Modellierung mit ADAPT Relationale und Multidimensionale Speicherung (ROLAP, MOLAP) ETL-Prozess (Extract-Transform-Load) Umgang mit grossen Datenmengen, Optimierung Column Stores, In Memory Architektur Analytische Anwendungen Teil 1 Lehrmittel Skript, das alle wesentlichen Lerninhalte umfasst Literaturempfehlungen siehe Ergänzende Lehrmittel 8.2 Data Warehouses - Advanced Zu einem erfolgreichen Betrieb von Data Warehouses, Data Marts und Data Services gehört das Beherrschen verschiedenster Techniken, Methoden und Vorgehensaspekten in DWH-Projekten. Kursbeschreibung Lernziele Die Teilnehmenden kennen verschiedenste Aspekte rund um den Aufbau, Betrieb und die Pflege eines Data Warehouses, und können diese gezielt in Projekten einbeziehen. Themen Datenqualität, Data Profiling und Cleansing, Testing Metadaten, DWH Betrieb, DWH Scheduling, Impact Analyse und Data Lineage Projektmanagement, Anforderungen, Releasemanagement, Changemanagement Analytische Anwendungen Teil 2 ETL Patterns, Slowly Changing Dimensions (SCD) BI-Governance, Data Governance, BI Kompetenzzentren Lehrmittel Skript, das alle wesentlichen Lerninhalte umfasst Literaturempfehlungen siehe Ergänzende Lehrmittel Study Guide CAS BI 6/12
7 8.3 Intelligent Data Analysis Gängige Analysewerkzeuge wie Reporting und OLAP sind heute in Data Warehouses integriert. Daneben bieten Data Mining-Techniken die Möglichkeit, nicht nur einen aggregierten oder gefilterten Einblick in die Daten zu erhalten, sondern erlauben auch, Trends und Muster zu erkennen und damit aus Daten neues Wissen zu generieren. Methoden des Data Mining basieren zu einem grossen Teil auf Konzepten der Statistik. Deshalb sind in diesem Kurs neben dem Schwerpunkt Data Mining auch für dessen Verständnis notwendige statistische Grundkenntnisse ein Thema. Kursbeschreibung Lernziele Der Teilnehmenden können mit Hilfe von Data Mining Techniken explorative Zusammenhänge in Datenbeständen aufspüren, Erklärungsmodelle generieren, validieren und anwenden. Sie können die Erfordernisse der Datenanalyse beim Entwurf und bei der Realisierung von Data Warehouses einbringen. Themen Grundlegende Konzepte der Statistik und des Data Mining CRISP Datenaufbereitung für die Analyse Korrelation und Regression Aufdecken von Ähnlichkeitsstrukturen mit Clusteranalysen Reduzieren von Dimensionalität mit PCA und MDS Assoziationsanalyse Klassifikation von Daten (z.b. mit k-nearest-neighbor, Decision Trees, Naives Bayes, Künstliche neuronale Netze, Random Forest) Modellvalidierung Visualisierung von Daten Lehrmittel Skript, das alle wesentlichen Lerninhalte umfasst Verwendete Software: R / R-Studio Literaturempfehlungen siehe Ergänzende Lehrmittel [4] Study Guide CAS BI 7/12
8 8.4 BI-Projekt / Semesterarbeit Zielsetzung und Thema In der Semesterarbeit bearbeiten die Teilnehmenden ein Projekt oder eine Fragestellung aus ihrer Firma. Die Semesterarbeiten können folgende Themenbereiche beinhalten: Modellierung eines Data Warehouse, Konzeption einer BI-Lösung. Einführung und Prototyping von Datawarehouse-Technologien in der Firma. Realisierung von ETL-Prozessen, Performance Optimierungen, Metadaten-Erstellung, Qualitätsmanagement usw. im BI-Umfeld Evaluationen und Machbarkeitsstudien im BI-Umfeld. Realisierung von Schnittstellen zwischen BI- und anderen Systemen in der Unternehmensarchitektur. Realisierung oder Konzeption von Werkzeugen zur Analyse von Datenbeständen mit statistischen Methoden oder Data Mining. Gruppenarbeiten sind möglich, je nach Rahmenbedingungen sogar von Vorteil Ablauf Die Semesterarbeit umfasst ca. 90 Stunden Arbeit und beinhaltet folgende Meilensteine (siehe auch Zeitplan): 1. In der Firma ein Thema suchen, und mit Vorteil einen Ansprechpartner / Betreuer in der Firma definieren. 2. Erstellen einer Projektskizze (1 bis 2 Seiten) a. Titel b. Umfeld c. Problemstellung d. Lösungsansatz (Vorgehen, Methoden) e. Name und Kontaktadressen der Gruppenmitglieder, und des Ansprechpartners / Betreuers in der Firma 3. Kurzpräsentation des Themas an der SWS vor Dozentengremium. Feedback durch die verantwortlichen Dozierenden. 10' Präsentation, 10' Diskussion. 4. Eventuell Überarbeitung der Projektskizze gemäss Feedback. 5. Zuordnung eines Experten durch die Schule. 6. Durchführung der Arbeit in eigener Terminplanung Meetings mit dem Experten/Expertin (Durch Studierende organisiert) 8. Schlusspräsentation vor Klasse, Experte und Dozenten. 15' Präsentation, 15' Diskussion. 9. Abgabe des Berichtes an den Experten (per , auf Wunsch in Papierform) und den/die CAS- Verantwortliche. Study Guide CAS BI 8/12
9 8.4.3 Ergebnis und Bewertung Der Bericht ist in elektronischer Form als PDF-Dokument an den Betreuer zu schicken. Bericht: ca Seiten, Source Code soweit notwendig für die Projektbeurteilung. Die Semesterarbeit wird nach folgenden Kriterien bewertet: Berichtsaufbau, Korrektheit, Vollständigkeit, Klarheit, Wesentlichkeit Projektdefinition, Ziele, Aufgabenstellung Methodik, Auswahl und Anwendung Ergebnisse, Klarheit, Aussagekraft, Stringenz Management Summary Mündliche Präsentation der Ergebnisse Vertraulichkeit Semesterprojekte können vertraulich behandelt werden. Massgebend für die Rahmenbedingungen ist das Studienreglement. Study Guide CAS BI 9/12
10 9 Kompetenznachweise Für die Anrechnung der 12 ECTS-Punkte ist das erfolgreiche Bestehen der Qualifikationsnachweise (Prüfungen, Projektarbeiten) erforderlich, gemäss folgender Aufstellung: Kompetenznachweis Gewicht Art der Qualifikation Erfolgsquote Studierende Data Warehouses - Foundation 2 Schriftliche Prüfung % Data Warehouses - Advanced 2 Schriftliche Prüfung % Intelligent Data Analysis 2 Schriftliche Prüfung % Semesterarbeit 4 Bewertete Projektarbeit % Gesamtgewicht 10 Gesamterfolgsquote % ECTS Note A - F Alle Studierenden können in einem Qualifikationsthema eine Erfolgsquote von 0 bis 100% erarbeiten. Die gewichtete Summe aus den Erfolgsquoten pro Thema und dem Gewicht des Themas ergibt eine Gesamterfolgsquote zwischen 0 und 100%. Die Gesamterfolgsquote wird in eine ECTS Note A bis E umgerechnet, gemäss Studienreglement. Weniger als 50% Gesamterfolgsquote ergibt eine ungenügende Note F. 10 Ergänzende Lehrmittel Ergänzende Lehrmittel sind Empfehlungen, um den Stoff zu vertiefen oder zu erweitern. Die Beschaffung liegt im Ermessen der Studierenden: Nr Titel Autoren Verlag Jahr ISBN Nr. [1] Data Warehouse Systeme. Architektur, Entwicklung, Anwendung Holger Günzel, Andreas Bauer Dpunkt. Verlag GmbH 2013 ISBN: [2] The Data Warehouse Lifecycle Toolkit Practical Techniques for Building Data Warehouse and Business Intelligence Systems, Second Edition Bob Becker, Joy Mundy, Warren Thornthwaite, Margy Ross, Ralph Kimball John Wiley & Sons 2008 ISBN: [3] The Data Warehouse Toolkit Ralph Kimball, Margy Ross John Wiley & Sons [4] Guide to Intelligent Data Analysis How to Intelligently Make Sense of Real Data Frank Klawonn, Frank Höppner, Christian Borgelt, Michael R. Berthold Springer 2012 ISBN: Study Guide CAS BI 10/12
11 11 Dozierende Vorname Name Firma Jörg Frank Syncwork Werner Dähler SECO Christoph Schaller Berner Fachhochschule 12 Organisation CAS-Leitung: Prof. Dr. Arno Schmidhauser Tel: Mobile: CAS-Administration: Andrea Moser Tel: Termine Daten: KW bis KW Mittwoch, von 08:30 bis 16:15 Uhr Stundenplan siehe Webseite "Durchführungsdaten" Details Study Guide CAS BI 11/12
12 Dokumenteninformation Study Guide CAS BI Die Inhalte und Angaben in diesem Study Guide können sich bis zum Studienstart noch verändern. Berner Fachhochschule Technik und Informatik Weiterbildung Wankdorffeldstrasse 102 CH-3014 Bern Telefon ti.bfh.ch/weiterbildung ti.bfh.ch/cas-bi Study Guide CAS BI 12/12
CAS Business Intelligence
CAS Business Intelligence Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 4 6 Kursübersicht 4 7 Kompetenzprofil 5 8 Kursbeschreibungen 6
MehrCAS Mobile Application Development
CAS Mobile Application Development Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 5 8 en 6 8.1 Mobile
MehrCAS Applikationsentwicklung mit JavaScript & HTML5
CAS Applikationsentwicklung mit JavaScript & HTML5 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil
MehrCAS Enterprise Application Development.NET
CAS Enterprise Application Development.NET Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 5 8 en 6
MehrCAS Applikationsentwicklung mit JavaScript & HTML5
CAS Applikationsentwicklung mit JavaScript & HTML5 Frühlingssemester 2015 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht
MehrCAS Software Development
CAS Software Development Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 3 7 Kompetenzprofil 4 8 en 5 8.1 Java 5 8.2 Datenstrukturen
MehrCAS Embedded Linux und Android
CAS Embedded Linux und Android Frühlingssemester 2015 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil
MehrCAS Systemisches Projektmanagement
CAS Systemisches Projektmanagement Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 5 8 Kursbeschreibungen
MehrCAS Client Applications mit.net
CAS Client Applications mit.net Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 4 6 Kursübersicht 4 7 Kompetenzprofil 5 8 en 6 8.1 Grundlagen.NET
MehrCAS Application Lifecycle Management
CAS Application Lifecycle Management Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 4 4 Ausbildungsziele 4 5 Voraussetzungen 4 6 Kursübersicht 5 7 Kompetenzprofil 6 8 en 7 8.1 Einführung
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
MehrCAS Betriebswirtschaft
CAS Betriebswirtschaft Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 5 8 Kursbeschreibungen 6 8.1
MehrCAS Software Architecture
CAS Software Architecture Frühlingssemester 2015 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 4 6 Kursübersicht 4 7 Kompetenzprofil 5
MehrCAS Software Development
CAS Software Development Herbstsemester 2014 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 3 7 Kompetenzprofil 4 8 Organisation
MehrCAS Networking & Security
CAS Networking & Security Herbstsemester 2014 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 4 8 Organisation
MehrCAS Change Management
CAS Change Management Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 5 8 en 6 8.1 Change Management
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
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
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
MehrOrientierungsveranstaltung für Studierende der Bachelorstudiengänge. Wirtschaftsinformatik. Prof. Dr. Stefan Lessmann
Orientierungsveranstaltung für Studierende der Bachelorstudiengänge BWL und VWL Wirtschaftsinformatik + = Prof. Dr. Stefan Lessmann Team Lehrstuhl Wirtschaftsinformatik Prof. Dr. Stefan Lessmann - Lehrstuhlinhaber
MehrCAS Networking & Security
CAS Networking & Security Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 3 6 Kursübersicht 4 7 Kompetenzprofil 4 8 Kursbeschreibungen 5
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
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
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
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...
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
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
MehrMaster-Thesis (m/w) für unseren Standort Stuttgart
Master-Thesis (m/w) für unseren Standort Abschlussarbeit im Bereich Business Process Management (BPM) Effizienzsteigerung von Enterprise Architecture Management durch Einsatz von Kennzahlen Braincourt
MehrMS SQL Server 2012 (4)
MS SQL Server 2012 (4) Data Mining, Analyse und multivariate Verfahren Marco Skulschus Jan Tittel Marcus Wiederstein Webseite zum Buch: http://vvwvv.comelio-medien.com/buch-kataiog/ms sql_server/ms sql
MehrOracle BI EE mit großen Datenmengen
Oracle BI EE mit großen Datenmengen Christian Casek Riverland Solutions GmbH München Schlüsselworte: Oracle BI EE, Oracle BI Applications, Informatica, RPD, große Datenmengen, Performance, Performanceoptimierung,
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
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
MehrFachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß
Fachgruppe Statistik, Risikoanalyse & Computing STAT672 Data Mining Sommersemester 2007 Prof. Dr. R. D. Reiß Überblick Data Mining Begrifflichkeit Unter Data Mining versteht man die Computergestützte Suche
MehrCAS Enterprise Content Management
CAS Enterprise Content Management Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 4 4 Ausbildungsziele 4 5 Voraussetzungen 4 6 Kursübersicht 4 7 Kompetenzprofil 5 8 en 6 8.1 Knowledge
MehrAPEX & SQL The Reporting Solution. Tobias Arnhold Tobias Arnhold IT Consulting Heppenheim
APEX & SQL The Reporting Solution Tobias Arnhold Tobias Arnhold IT Consulting Heppenheim Schlüsselworte APEX, DWH, BI, Visualisierung, Reporting, APEX-AT-WORK Einleitung Präsentationsdarstellung mal anders?
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
MehrMarketing Intelligence Übersicht über Business Intelligence. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Übersicht über Business Intelligence Josef Kolbitsch Manuela Reinisch Übersicht Beispiel: Pantara Holding Der Begriff Business Intelligence Übersicht über ein klassisches BI-System
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).
MehrCAS-Kurse. CAS Betriebliche Gesundheitsförderung. Certificate of Advanced Studies
CAS-Kurse CAS Betriebliche Gesundheitsförderung Certificate of Advanced Studies Betriebliche Gesundheitsförderung Eine lohnende Investition Gesunde Mitarbeitende sind zufriedene und effiziente Mitarbeitende.
MehrVon Big Data zu Executive Decision BI für den Fachanwender bis hin zu Advanced Analytics 10.45 11.15
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
MehrSpezialisierung Business Intelligence
Spezialisierung Business Intelligence Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg peter.becker@h-brs.de 10. Juni 2015 Was ist Business Intelligence? Allgemein umfasst der Begriff Business
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
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...............
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 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
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
Mehr1. Übungsblatt. Besprechung: 27.10 (Gruppe A), 3.11 (Gruppe B)
DATENBANKEN IN DER PRAXIS: DATA WAREHOUSING Wintersemester 2015/2016 Prof. Dr. Jens Teubner DBIS Group Übung: Dr. Cornelia Tadros ISSI Group Allgemeine Hinweise 1. Übungsblatt Besprechung: 27.10 (Gruppe
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
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
MehrCAS Enterprise Content Management
CAS Enterprise Content Management Herbstsemester 2014 Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 4 5 Voraussetzungen 4 6 Kursübersicht 4 7 Kompetenzprofil
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
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
MehrORACLE PROFIL UND REFERENZEN
ORACLE PROFIL UND REFERENZEN _ Das Orbit Oracle-Profil: Referenzen & Leistungen DAS ORBIT ORACLE-PROFIL: REFERENZEN & LEISTUNGEN ORBIT hat seinen Ursprung im Bereich Datenbanken & Applikationsentwicklung
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
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
MehrProfil Andy Sydow. Persönliche Daten. Profil. Profil Andy Sydow. Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung
Profil Andy Sydow Persönliche Daten Nationalität Sprachen Abschluss deutsch Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung Profil Herr Sydow verfügt über mehrjährige Erfahrung als DWH/BI
MehrVon Entitäten, Cubes und Data Readern. Architektur Lizenzierung Installation & Konfiguration BOARD Client Betrieb und Wartung
Aufbau einer multidimensionalen Datenbank mit BOARD : 2 Tage Von Entitäten, Cubes und Data Readern Voraussetzungen Laptop mit vorinstallierter und lizenzierter BOARD Software Know-how im Umgang mit relationalen
Mehr2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung
2. Microsoft Innovationstag Nord Integrierte Lösungen in der Öffentlichen Verwaltung Reporting, Analyse und Data Mining André Henkel, initions AG 22. und 23. Oktober 2013 in Hamburg
MehrThe integration of business intelligence and knowledge management
The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence
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
MehrInhaltsverzeichnis. Holger Schrödl. Business Intelligence mit Microsoft SQL Server 2008. BI-Projekte erfolgreich umsetzen ISBN: 978-3-446-41210-1
sverzeichnis Holger Schrödl Business Intelligence mit Microsoft SQL Server 2008 BI-Projekte erfolgreich umsetzen ISBN: 978-3-446-41210-1 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41210-1
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
MehrJoint Master of Architecture. Richtlinie zur Erstellung der Master-Thesis
Joint Master of Architecture Richtlinie zur Erstellung der Master-Thesis August 2013 Genehmigt am 29. August 2013 durch die Direktion des Joint Master of Architecture Berner Fachhochschule Haute école
MehrKapitel 4: Data Warehouse Architektur
Data Warehousing, Motivation Zugriff auf und Kombination von Daten aus mehreren unterschiedlichen Quellen, Kapitel 4: Data Warehousing und Mining 1 komplexe Datenanalyse über mehrere Quellen, multidimensionale
MehrData 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
MehrDeutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung
Profil Andy Sydow Persönliche Daten Nationalität Sprachen Abschluss deutsch Deutsch, Englisch (gut) Fachinformatiker für Anwendungsentwicklung Profil Herr Sydow verfügt über mehrjährige Erfahrung als DWH/BI
MehrÜBUNG. Einführung in das IT-Projektmanagement Dr. The Anh Vuong WS 2016/17. Thema... 2 Projekt Struktur... 3 AUFGABEN... 5
ÜBUNG Einführung in das IT-Projektmanagement Dr. The Anh Vuong WS 2016/17 Einleitung zur Projektarbeit Thema... 2 Projekt Struktur... 3 AUFGABEN... 5 2016 by Dr. The Anh Vuong Seite 1 Thema Beschluss der
MehrBusiness Intelligence
Hochschule Darmstadt Business Intelligence Fachbereich Informatik Praktikumsaufgabe 3 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.06.2007 Business Intelligence Aufgabenstellung 1.
MehrTechnologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle
Technologischen Rahmenbedingungen und Werkzeuge für eine wertschöpfende Controller-Rolle 40. Congress der Controller, Themenzentrum C, München Steffen Vierkorn, Geschäftsführer Qunis GmbH, Neubeuern Die
MehrSemester: -- Worload: 150 h ECTS Punkte: 5
Modulbezeichnung: Modulnummer: DLMMSE Marketing-Seminar Semester: -- Dauer: Minimaldauer 1 Semester Modultyp: Pflicht Regulär angeboten im: WS, SS Worload: 150 h ECTS Punkte: 5 Zugangsvoraussetzungen:
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
MehrEignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen
Christoph Arnold (B. Sc.) Prof. Dr. Harald Ritz Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen AKWI-Tagung, 17.09.2012, Hochschule Pforzheim Christoph Arnold, Prof. Dr. Harald
MehrSeminar C02 - Praxisvergleich OLAP Tools
C02: Praxisvergleich OLAP Tools Ein Seminar der DWH academy Seminar C02 - Praxisvergleich OLAP Tools Das Seminar "Praxisvergleich OLAP-Tools" bietet den Teilnehmern eine neutrale Einführung in die Technologien
MehrKlein anfangen und groß rauskommen mit Data Vault 2.0 Leif Hitzschke & Dajana Schleuß
Klein anfangen und groß rauskommen mit Data Vault 2.0 Leif Hitzschke & Dajana Schleuß Hamburg, den 16.09.2016 Der führende B2B-Marktplatz wlw.de wlw.at wlw.ch Agenda 1. wlw das Unternehmen 2. BI im Überblick
MehrVergleich von Open-Source und kommerziellen Programmen zur Durchführung eines ETL-Prozesses
Vergleich von Open-Source und kommerziellen Programmen zur Durchführung eines ETL-Prozesses Exposé zur Diplomarbeit Humboldt-Universität zu Berlin Mathematisch-Naturwissenschaftliche Fakultät II Institut
MehrSQL/OLAP und Multidimensionalität in der Lehre
SQL/OLAP und Multidimensionalität in der Lehre Vortrag auf der DOAG 2008 Prof. Dr. Reinhold von Schwerin Hochschule Ulm, Fakultät für Informatik 1. Dezember 2008 Prof. Dr. Reinhold von Schwerin SQL/OLAP
MehrZeitgemäße Verfahren für ganzheitliche Auswertungen
Intelligente Vernetzung von Unternehmensbereichen Zeitgemäße Verfahren für ganzheitliche Auswertungen Sächsische Industrie- und Technologiemesse Chemnitz, 27. Juni 2012, Markus Blum 2012 TIQ Solutions
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
MehrInhaltsverzeichnis. Study Guide CAS F 2/12
CAS Führung Inhaltsverzeichnis 1 Abstract 3 2 Umfeld und Motivation 3 3 Zielgruppe 3 4 Ausbildungsziele 3 5 Voraussetzungen 4 6 Kursübersicht 4 7 Kompetenzprofil 5 8 en 6 8.1 Einführungsveranstaltung 6
Mehrnovember ag Seminarbeschreibung Das projektfreundliche Umfeld Version 1.1 25. August 2009 Status: Final
Seminarbeschreibung Das projektfreundliche Umfeld Version 1.1 25. August 2009 Status: Final Das projektfreundliche Umfeld Zweckmässige Rahmenbedingungen für die Strategieumsetzung schaffen Die Fähigkeit,
MehrBegleitende Online-Lernkontrolle als Prüfungszulassungsvoraussetzung
Modulbezeichnung: Modulnummer: IWMB Mobile Software Engineering Semester: -- Dauer: Minimaldauer 1 Semester Modultyp: Wahlpflicht Regulär angeboten im: WS, SS Workload: 300 h ECTS Punkte: 10 Zugangsvoraussetzungen:
MehrVorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII
Vorwort zur zweiten Auflage...V Vorwort zur ersten Auflage... VIII 1 Management Support Systeme und Business Intelligence Anwendungssysteme zur Unterstützung von Managementaufgaben...1 1.1 Computergestützte
MehrDie FHS St.Gallen. Fachbereiche Wirtschaft Technik Soziale Arbeit Gesundheit. Weiterbildungszentrum über alle Fachbereiche
Herzlich Willkommen Die FHS St.Gallen Fachbereiche Wirtschaft Technik Soziale Arbeit Gesundheit Weiterbildungszentrum über alle Fachbereiche Forschung & Entwicklung 7 Institute, 11 Kompetenzzentren 8 Fachstellen
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,
MehrModulnummer Modulname Verantwortlicher Dozent. Lineare Algebra und Analytische Geometrie
MN-SEBS-MAT-LAAG (MN-SEGY-MAT-LAAG) (MN-BAWP-MAT-LAAG) Lineare Algebra und Analytische Geometrie Direktor des Instituts für Algebra n Die Studierenden besitzen sichere Kenntnisse und Fähigkeiten insbesondere
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 -
MehrSelf Service BI der Anwender im Fokus
Self Service BI der Anwender im Fokus Frankfurt, 25.03.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC 1 Kernanforderung Agilität = Geschwindigkeit sich anpassen zu können Quelle: Statistisches
MehrErfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management
Erfolgreiches Zusammenarbeiten von IT und Marketing am Beispiel von Meta Daten Management Sprecher: Uwe Nadler, Senior Managing Consultant 1 Marketing braucht unterschiedliche Informationen, um entsprechende
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
MehrUNTERNEHMENSPRÄSENTATION
UNTERNEHMENSPRÄSENTATION Die i2solutions GmbH übersetzt Herausforderungen der Digitalisierung in datenbank gestützte IT-Lösungen. Diese Automatisierung unterstützt unsere Kunden, Komplexität zu reduzieren
MehrProjektmanagement. DIS AG IT Business Solutions. Business Intelligence. Strategisches IT-Management IT-Prozesse. Datenbankdesign
DIS AG IT Business Solutions Zieldefinition Datenbankdesign Business Intelligence Wirtschaftlichkeitsanalyse Implementierung IT-Prozesse OLAP Review & Controlling Projektierung Projektorganisation Leistungsangebot
MehrLeistungsstarke Business Intelligence
Leistungsstarke Business Intelligence Einfach für den Anwender gemacht Mit zum Erfolg Analyse, Planung, Reporting, Dashboarding Skalierbar und zukunftssicher Für alle Branchen und Fachabteilungen Mit machen
MehrDWH Szenarien. www.syntegris.de
DWH Szenarien www.syntegris.de Übersicht Syntegris Unser Synhaus. Alles unter einem Dach! Übersicht Data-Warehouse und BI Projekte und Kompetenzen für skalierbare BI-Systeme. Vom Reporting auf operativen
MehrENTERBRAIN Reporting & Business Intelligence
Überblick Vorhandene Listen/Analysen in ENTERBRAIN Die Daten in ENTERBRAIN Das Fundament des BI - Hauses Details zur ENTERBRAIN Staging Area Reports und Cubes auf Basis der Staging Area Data Mining mit
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
MehrStudienbegleitende Leistungsnachweise. Gewichtung für die Bildung der Prüfungsgesamtnote. Lfd. Nr. Module SWS Art der Lehrveranstaltung
Anlage zur Studien- und Prüfungsordnung für den Bachelorstudiengang Wirtschaftsinformatik an der Technischen Hochschule Ingolstadt vom 21.01.2013 in der Fassung der Änderungssatzung vom 15.02.2016 Modul-
MehrUniversität Stuttgart Vorstellung der Studiengänge Informatik und Softwaretechnik
Vorstellung der Studiengänge Informatik und Softwaretechnik Ilona Heurich Inhalt Worum geht es in der Informatik? Überblick über das Studium Was wird im Studium gelehrt (und was nicht)? Welche Voraussetzungen
MehrLEHRVERANSTALTUNGSPLANUNG SS2009
Lehrveranstaltungsplanung Seite 1 LEHRVERANSTALTUNGSPLANUNG SS2009 Lehrveranstaltung (Planung Version 2008-11-20 ES) Titel der Lehrveranstaltung: Datenbanken und Business Intelligence Kurzbezeichnung:
MehrEinstieg in Business Intelligence mit Microsoft SharePoint 2010
Martin W. Angler Einstieg in Business Intelligence mit Microsoft SharePoint 2010 Microsoft Press Einleitung 11 Was Sie in diesem Buch finden 12 Aufbau dieses Buchs 12 Kapitel 1: Was ist Business Intelligence?
Mehr