Problemstellung Heterogene DV-Strukturen Mangelnde Kapazität in der EDV-Abteilung Historische Daten nicht verfügbar Analysen belasten die vorhandene Infrastruktur.

Slides:



Advertisements
Ähnliche Präsentationen
Daten im Data-Warehouse
Advertisements

Heterogene Informationssysteme
MIRAKEL Die Klimadatenbank des DWD
Prof. Dr. Hans-Jürgen Scheruhn
Problemstellung und Lösungsansätze
Unternehmenspräsentation
Design- und Entwicklungswerkzeuge
1-1 Schlank und schnell zum Datawarehouse Marc Bastien Oracle Deutschland GmbH BTW Leipzig,
Mehrwert aus Daten gewinnen mit Datamining und Textmining
Konzeption und prototypische Implementierung eines zentralen Informationssystems für Systemmanagement Motivation Oft wird es schwierig, die benötigten.
Universität Stuttgart Institut für Kernenergetik und Energiesysteme LE 3.1 ProzessqualitätLM 5 V-Modell-AnwendungenFolie 1 V-Modell für große Projekte.
Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg1/9 Data Mining Ist die Wissensgewinnung aus Datensammlungen (Knowledge Discovery in Database).
Gottfried Vossen 5. Auflage 2008 Datenmodelle, Datenbanksprachen und Datenbankmanagementsysteme Kapitel 16: Grundlagen des Data Mining.
Datenmodelle, Datenbanksprachen und Datenbankmanagementsysteme
Universeller Zugriff auf multimediale Dokumentstrukturen auf der Basis von RDF und MPEG-7 Stefan Audersch BerlinXSW Juni.
Data Warehousing Oberseminarvortrag zum Thema: von Daniel Schulte
Management-Informationssysteme (MIS) Data Warehouses.
OLAP. © T. Kudraß, HTWK Leipzig Warum? Daten einer Firma verfügbar machen für Entscheidungsprozesse – Umsetzung schwierig neue Konzepte notwendig zur.
Abgrenzung, Einordnung und Anwendungen Sebastian Hentschel
Datenbanken Einführung Merkmale dateiorientierte Datenverwaltung
Die Bank von morgen - eine neue Welt für IT und Kunden? 23. Oktober 2001.
Daten sammeln aus Verschiedenen Datenbanken Dokumenten Dateien
Entwicklung eines Data Warehouse © by Sistema GeoDAT, S.L.
Basismodul Informationssystem Standard Financial Basisreport
© DVS System Software GmbH & Co. KG
Data Warehouse mit Visual FoxPro
Sistema GeoDAT, S.L. GeoBIS, GeoEIS, GIS-Komponente … 2005.
© Sistema GeoDAT, S.L. Business Intelligence... Verkauf, Einkauf, Finanzen … Steuerung, Planung und Simulation von Vertriebsgebieten. Controlling Finanzcontrolling,
Eine Einführung in OLAP (Online Analytical Processing)
Datenanbindung zwischen LucaNet und QlikView als Frontend
DATA WAREHOUSE Oracle Data Warehouse Mit Big Data neue Horizonte für das Data Warehouse ermöglichen Alfred Schlaucher, Detlef Schroeder DATA WAREHOUSE.
Entwicklung eines Data Warehouse 2007 © by Sistema GeoDAT, S.L.
Analytisches CRM Phonnet Gruppe 1 (Loher, Meier, Rehhorn, Piasini)
imposult GmbH & Co KG - Datawarehouse
Erstellen einer Webseitenstatistik mithilfe eines OLAP-Servers
Erstellen einer Webseitenstatistik mithilfe eines OLAP-Servers
Online-Analyse im pharmazeutischen Außendienst bei AstraZeneca
Professional Planner™ – 2008 Branchenlösung Lebensmittel
- ein Projektbeispiel aus der Transportbetonindustrie
Einsatz von Anwendungssystemen WS 2013/14 Prof. Dr. Herrad Schmidt
Data Warehouse: ETL-Praktikum
QlikView meets TM1 – eine Ehe zwischen Optik und Performance
Skalierbare Reporting-Systeme zwischen Excel™ und Data Warehouse
STRUKTUR EINES DATA WAREHOUSE / OLAP - SYSTEMS
00:13 Matthias Ansorg FH Gießen-Friedberg1 / 24 Multidimensionale Datenstrukturen - semantische und logische Modellierung Teilvortrag: logische Modellierung.
Betriebliche Anwendung von Datenbanksystemen: Data Warehouse
Analytisches CRM Phonnet Gruppe 1 (Loher, Meier, Rehhorn, Piasini)
Mehr Zeit für den Kunden und wirtschaftlicher Arbeiten mit BIB-Control
Pki Informationssysteme für Marktforschung präsentiert...
Analytisches CRM Phonnet Gruppe 1 (Loher, Meier, Rehhorn, Piasini)
Das Information Warehouse Die Stärken eines zentralen dispositiven Information-Warehouse als informative Kernkomponente in einer heterogenen operativen.
Transparente Information als Grundlage für ein erfolgreiches Controlling Claus Anton Finze, Projektleiter, DaWaVision.
Finanzcontrolling aus einer Hand – Financial Data Warehouse
WS 2004/2005 Datenbanken II - 5W Mi 17:00 – 18:30 G 3.18 Vorlesung #10 RDBMS Erweiterungen.
Nachtrag Abgrenzung OLAP / OLTP
Oracle Portal think fast. think simple. think smart. Dieter Lorenz, Christian Witt.
1 Zahlreiche Transformationen - Achtung Hochspannung Meike Klettke.
Thema 1 Data WareHouse Volker Jahns.
DATAframe ® Transparenz in Ihrem Unternehmen Referent: XXXXXXX Datum:
Komponenten und Phasen des Data Warehousing
Datenbanken Produkte Dienstleistungen Referenzen.
Datenbanken Produkte Dienstleistungen Referenzen.
AGU IT 2006, Seite 1 Produktionsauftragsverwaltung Produkte für WinCC Herstellvorschrift und Produktionsaufträge Lizenzpreis pro Anwendung 3850,-€Einrichtung.
datengetriebene Marketing-Entscheidungen zu treffen
Nachtrag Abgrenzung OLAP / OLTP
Methoden der Datengewinnung
Business Intelligence Data Warehouse
Daten als Basis für Entscheidungen
Was ist Sage Business Intelligence?
 Präsentation transkript:

Problemstellung Heterogene DV-Strukturen Mangelnde Kapazität in der EDV-Abteilung Historische Daten nicht verfügbar Analysen belasten die vorhandene Infrastruktur Mangelnde Nachvollziehbarkeit der Analysen

Das Data Warehouse Ziel: Entscheidungsunterstützung von Mitarbeitern aller Unternehmensbereiche Kern ist eine Datenbank mit allen entscheidungsrelevanten Informationen Ergänzt um Softwarewerkzeuge für Datenbereitstellung Datenanalyse

Anforderungen (nach Inmon) SubjektorientierungVereinheitlichung ZeitraumbezugUnveränderbarkeit Data Warehouse

Ad Hoc- Auswertung Reports Spreadsheets Excel etc. OLAP Tools und Analysen Data-Mining Extraktion/ Transformation Tools RDBMS Nielsen, Bertelsmann, etc. VSAMFiles etc. Operationale Daten Externe Datenquelle Data Warehouse-Architektur

Data Warehouse Ad Hoc- Auswertung Reports Spreadsheets Excel etc. OLAP Tools und Analysen Data-Mining Extraktion/ Transformation Tools RDBMS Nielsen, Bertelsmann, etc. VSAMFiles etc. Operationale Daten Externe Datenquelle Data Warehouse-Architektur

Data Warehouse RDBMS Nielsen, Bertelsmann, etc. VSAM Files etc. Extraktion Transformation Plausibilisierung Verdichtung Anreicherung Historie Versorgung der DWH-Datenbank mit Daten

Transformation operationaldata warehouse Anwendung A – m,w Anwendung B – 1,0 Anwendung C – x,y Anwendung D – männl., weibl. weiblich, männlich

Abbildungsvorschriften Datenmodelle auf logischer / physischer Ebene Herkunft der Daten, Formate, Verantwortlichkeiten; Verdichtungen entscheidungs- relevante Daten Metadaten Standardberichte / Berichtsvorlagen Berechnungsvorschriften Begriffslexika

Multidimensionale Analyse betriebswirtschaftlicher Variablen (z.B. Umsatz, Gewinn) nach verschiedenen Kriterien (z.B. Kunden, Regionen) Zeit Region Produkt Vertriebseinheit Kunde Umsatz Online Analytical Processing OLAP

Dimension REGION Untersuchen der Daten in einem feineren Detaillierungsgrad innerhalb einer Dimension Untersuchen von Detaildaten Drill-down

Dimension REGION Beim Drill-/Roll-up werden die Werte auf der nächst höheren Hierarchieebene analysiert Drill- oder Roll-up

Herausschneiden einzelner Scheiben, Schichten aus dem Datenraum Regionale Sicht z.B. Gebietsleiter Zeit Region Produkt alle Produkte gesamter Zeitraum eine Region (Filter) Produkt Sicht z.B. Produktmanager Zeit Region Produkt alle Regionen gesamter Zeitraum ein Produkt (Filter) Slice

Rotation des Datenwürfels durch Drehen oder Kippen, um eine andere Perspektive auf die Daten zu ermöglichen. Region Zeit Produkt Dice