AUFGABENBEREICHE IM DATENMANAGEMENT NACH DAMA INTERNATIONAL
DATEN, DAS „NEUE ÖL“ DER DIGITALEN WIRTSCHAFT
DIE DATEN-WERTSCHÖPFUNGSKETTE IN DREI STUFEN VON DEN ROHDATEN BIS ZUM WERTBEITRAG
BEGRIFFSDEFINITION DATENWIRTSCHAFT (DATA ECONOMY)
DATEN BILDEN DIE GRUNDLAGE FÜR ENTSCHEIDUNGEN
MANGELNDE DATENQUALITÄT LÄSST DEN UNTERNEHMENSWERT SCHMELZEN
HERAUSFORDERUNG I : ES GIBT KEIN PATENREZEPT.
Die konkrete Umsetzung eines Datenmanagement ist von verschiedenen Faktoren abhängig:
HERAUSFORDERUNG II : WIRTSCHAFTLICHE GESTALTUNG EINES DATENMANAGEMENTS
Das unternehmensspezifische optimale Verhältnis entscheidend.
HERAUSFORDERUNG III : STRUKTURIERTES DATENMANAGEMENT FÜR LANGFRISTIGEN ERFOLG
Kurzsichtige Einzelmaßnahmen bringen keinen nachhaltigen Effekt
HERAUSFORDERUNG IV: MESSUNG DER DATENQUALITÄT SORGT FÜR „SCHÄRFERE“ SICHT AUF DIE WIRKLICHKEIT
LEVERAGE YOUR DATA A DATA STRATEGY CHECKLIST FOR THE JOURNEY TO THE DATA-DRIVEN ENTERPRISE
1. Viele Absichtserklärungen in Bezug auf Daten, aber es fehlen ernsthafte Investitionen
2. Ein Datenkatalog schafft Transparenz, erfordert aber das Einverständnis der Geschäftsanwender
3. Daten-Demokratisierung erfordert ein neues Abkommen darüber, wie Daten im gesamten Unternehmen gehandhabt werden
4. Architektur und Technologie spielen eine wichtige Rolle beim Übergang zu einem daten-gesteuerten Unternehmen
5. Die Ermöglichung eines datengesteuerten Unternehmens erfordert einen grundlegenden kulturellen Wandel, der von der Führungsebene vorangetrieben wird
DATA EXCELLENCE KURZ ERKLÄRT VON DER DATASPOT GMBH
DATA EXCELLENCE MODEL DER CDQ AG
AUF DEM WEG ZU EINEM DIGITALEN UNTERNEHMEN
DAS INSTITUT FÜR WIRTSCHAFTSINFORMATIK
DER MANAGEMENTZYKLUS
»Management by Fact« erfordert die Bereitstellung und angemessene Darstellung entscheidungsrelevanter Informationen.
DAS MODELL EINER WERTKETTE NACH PORTER
ANALYTISCHE INFORMATIONSSYSTEME
DEFINITIONSVIELFALT VON BUSINESS INTELLIGENCE (BI) NACH MERTENS (2002, S.4)
UNTERSCHIEDLICHE FACETTEN VON BUSINESS INTELLIGENCE (BI)
BEGRIFFSDEFINITION »BUSINESS INTELLIGENCE (BI)«
BUSINESS INTELLIGENCE (BI) ANWENDUNGEN
TYPISCHE BUSINESS INTELLIGENCE ANWENDUNGEN
EINSATZFELD VON BI-ANWENDUNGSSYSTEMEN
BUSINESS INTELLIGENCE (BI) MEHR ALS TECHNOLOGIE UND TOOLS
BUSINESS INTELLIGENCE IM UNTERNEHMENSKONTEXT
EVOLUTION DER ENTSCHEIDUNGSUNTERSTÜTZUNG
EINSATZGEBIETE VON BUSINESS INTELLIGENCE UND BUSINESS ANALYTICS
BUSINESS INTELLIGENCE (BI) LÖSUNGEN OHNE ARCHITEKTUR: »SPIDER WEB ENVIRONMENT«
ZIEL: VEREINFACHUNG DURCH INTEGRATION MITTELS EINER BUSINESS INTELLIGENCE (BI) ARCHITEKTUR
DER BUSINESS INTELLIGENCE (BI) ORDNUNGSRAHMEN
CHARAKTERISTIKA OPERATIVER UND DISPOSITIVER DATEN FÜR DIE INFORMATIONSSYSTEME
DATEN KÖNNEN NACH DEN FOLGENDEN KRITERIEN KLASSIFIZIERT WERDEN
GRUNDBEGRIFFE DER DATENORGANISATION
DATEN- UND INFORMATIONSQUALITÄT – VERMEIDUNG DES »GARBAGE IN, GARBAGE OUT« PRINZIPS
PROBLEMFELDER IM DATENMANAGEMENT – EINE KLASSISCHE DATEIORGANISATION
BEGRIFFSDEFINITION »DATENBANK/-MANAGEMENT/- SYSTEM«
HISTORISCHE ENTWICKLUNGSSTUFEN DER INFORMATIONSVERARBEITUNG AUS SICHT DER DATEN
ZIELSETZUNG FÜR DEN EINSATZ VON DATENBANKSYSTEMEN
INTEGRATIONSEFFEKT DER DATEN: ZIELE UND VORAUSSETZUNGEN DER DATENINTEGRATION
KOMPONENTEN EINES DATENBANKSYSTEMS: GRUNDAUFBAU
DATENBANK-MANAGEMENT-SYSTEM GARANTIERT DAS TRANSAKTIONSKONZEPT »ACID« BEI DATENZUGRIFF
EIGENSCHAFTEN UND AUFGABEN VON DATENBANKSYSTEMEN
ARCHITEKTUR VON DATENBANKSYSTEMEN
KLASSIFIKATION VON DATENBANKSYSTEMEN NACH DEM ZUGRUNDELIEGENDEN DATENMODELL
ENTWURF VON DATENBANKEN
HISTORISCH GEWACHSENE DATENVERSORGUNG MANAGEMENTUNTERSTÜTZENDER SYSTEME
WEITERENTWICKLUNG ZUM DATEN-POOL-ANSATZ ALS VORGÄNGER DES DATA-WAREHOUSE-KONZEPTS
BEGRIFFSERLÄUTERUNG »RELATIONALE DATENBANKSYSTEME«
> In der Unternehmenspraxis werden im Umfeld der betriebswirtschaftlichen Kernaufgaben Standard-Softwaresysteme eingesetzt, die auf einem Datenbanksystem als Plattform für die Datenverwaltung basieren. > Insbesondere bei ERP-Systemen finden sich häufig Datenbanksysteme, die das relationale Datenmodell als Grundlage.
—> Man spricht hier von relationalen Datenbanksystemen
BEGRIFFSERLÄUTERUNG »RELATIONALES DATENMODELL«
GRUNDSTRUKTUR UND EIGENSCHAFTEN DER TABELLE
SCHLÜSSELBEGRIFFE IM DATENMODELL
ENTWURF VON TABELLEN
LOGISCHE VERKNÜPFUNG VON TABELLEN
TABELLENENTWURF BEI FREMDSCHLÜSSELAUFNAHME
NORMALISIERUNG
Motivation und Normalisierungsprozess
Funktionale Abhängigkeit
Die Regeln der Normalisierung basieren auf der Betrachtung verschiedener Ausprägungen einer funktionalen Abhängigkeit.
Erste Normalform (1NF)
Zweite Normalform (2NF)
Normalisierungsschema für die zweite Normalform (2NF)
Dritte Normalform (3NF)
Normalisierungsschema für die dritte Normalform (3NF)
Anmerkung zum Auftreten von weiteren Speicheranomalien
UNTERTEILUNG VON DATENBANKANWENDUNGEN
ANFORDERUNGEN AN INFORMATIONSSYSTEME
KLASSIFIKATION DER INFORMATIONSSYSTEME
OPERATIVE SYSTEME ONLINE TRANSACTION PROCESSING
ANALYTISCHE SYSTEME [ONLINE ANALYTICAL PROCESSING, …]
AUSWERTUNGEN BASIEREND AUF OPERATIVEN SYSTEMEN
AUSWERTUNGEN BASIEREND AUF DATENABZÜGEN
OPERATIVE VS. ANALYTISCHE SYSTEME
MOTIVATION FÜR DATA WAREHOUSE
OPERATIONALE DATENBANKEN VERSUS DATA WAREHOUSE
BEGRIFFSDEFINITION »DATA WAREHOUSE«
Themenorientierung (engl. subject-orientation)
Integration, integrierte Datensammlung
Beständigkeit (engl. non-volatility), Dauerhafte Speicherung
Zeitbezug der Daten (engl. time-variancy)
DAS DATA WAREHOUSE-KONZEPT
DAS FÜNFSCHICHTIGE ARCHITEKTURMODELL NACH KEMPTER (2017)
ARCHITEKTUR EINER DATA WAREHOUSE UMGEBUNG (FOKUS: DATENFLUSS)
DATA WAREHOUSE REFERENZARCHITEKTUR NACH BAUER UND GÜNZEL
DATA WAREHOUSING: HERAUSFORDERUNGEN
DATENBESCHAFFUNGSKOMPONENTEN
ETL-PROZESS-SCHRITT: EXTRAKTION
ETL-PROZESS-SCHRITT: TRANSFORMATION
Übersicht der Teilprozesse der Transformation
Die Teilprozesse der Transformation im Schichtenmodell
Wie kommt es zu Heterogenität?
Schematische Heterogenität
Schematische Heterogenität - Beispiele
Typische Aufgaben bei der Integration
ETL-PROZESS-SCHRITT: LADEN
DATENBANKTECHNOLOGIE: DATA WAREHOUSE-STRUKTUREN
DATENBANKTECHNOLOGIE: ANFRAGEOPTIMIERUNG
MOTIVATION FÜR DATA MARTS
BEGRIFFSERLÄUTERUNG: DATA MARTS
ABHÄNGIGKEIT EINES DATA MART VOM DATA WAREHOUSE
ARCHITEKTURVARIANTEN FÜR DATA WAREHOUSE
BEVORZUGTE VARIANTE: „HUB AND SPOKE“ ARCHITEKTUR
GEGENÜBERSTELLUNG DER CHARAKTERISTIKA VON DATA MARTS UND DATA WAREHOUSES
BEGRIFFSERLÄUTERUNG: METADATEN
METADATEN IM DATA WAREHOUSE
DATA WAREHOUSE-ENTWICKLUNGSZYKLUS
ITERATIVE VORGEHENSWEISE
SICHERHEIT UND DATENSCHUTZ IM DATA WAREHOUSE
ZUSAMMENFASSUNG UND AUSBLICK (Data Warehouse)
ZUSAMMENFASSUNG UND AUSBLICK
Verwendung des Data Warehouse
Vom klassischen zur prozessorientierten BI durch
Klassische Business Intelligence: eine kritische Würdigung
Quo Vadis Business Intelligence: aktuelle Themen
Quo Vadis Business Intelligence: Gesteigerte Anforderungen an die Datenbanktechnologien
Zuletzt geändertvor 2 Jahren
