BARC-Track: Trends im Data Warehousing und ... - SIGS DATACOM
BARC-Track: Trends im Data Warehousing und ... - SIGS DATACOM
BARC-Track: Trends im Data Warehousing und ... - SIGS DATACOM
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>BARC</strong> M1: <strong>Trends</strong> <strong>im</strong> <strong>Data</strong> <strong>Warehousing</strong><br />
<strong>und</strong> Datenmanagement<br />
München, 17. Juni 2013<br />
Otto Görlich, T<strong>im</strong>m Grosser, Lars Iffert<br />
© <strong>BARC</strong> 2013 1
Business Application Research Center<br />
Historie<br />
• 1994: Beginn der Untersuchung von Business-Intelligence-Software am Lehrstuhl<br />
Wirtschaftsinformatik der Universität Würzburg (Prof. Thome)<br />
• 1999: Spin-Off als eigenständiges Analystenhaus (<strong>BARC</strong> GmbH)<br />
• 2005: Internationalisierung<br />
• 2011: Fusion mit CXP zu einer Unternehmensgruppe (80 Mitarbeiter, davon 40<br />
Analysten)<br />
<strong>BARC</strong> Heute<br />
• 35 Mitarbeiter, davon 15 Analysten & Berater<br />
• über 1200 K<strong>und</strong>en jährlich<br />
• Themen: Business Intelligence, Datenmanagement, Enterprise Content<br />
Management, IT Service Management, ERP, CRM, HR<br />
• Standorte: Würzburg, Zürich, Wien, London, Paris<br />
17.06.2013<br />
© <strong>BARC</strong> 2013 2
Ressourcen bei <strong>BARC</strong> für Ihr Projekt<br />
• Durchführung von internationalen Umfragen, basierend auf eigenem<br />
IT-Anwender-Panel<br />
• The BI Survey 13<br />
• Datenqualitätsmanagement<br />
• Planung <strong>und</strong> Budgetierung in Europa etc.<br />
Marktforschungsstudien<br />
Produktvergleichsstudien<br />
• Business Intelligence<br />
• Datenmanagement<br />
• Enterprise Content Management<br />
• IT Service Management<br />
Veranstaltungen<br />
• Tagungen - LIVE-Demos von Software-Lösungen<br />
• Seminare <strong>und</strong> individuelle Workshops<br />
• Webinare zu unterschiedlichen Themenschwerpunkten<br />
• Online Demos auf www.software-präsentationen.de<br />
Consulting<br />
• Individuelle Unterstützung für Strategie, Architektur <strong>und</strong> Software-Auswahl<br />
• Unabhängige Beratung in den Bereichen BI, <strong>Data</strong> <strong>Warehousing</strong> <strong>und</strong><br />
Datenintegration, ECM, IT Service Management, ERP, CRM<br />
17.06.2013<br />
© <strong>BARC</strong> 2013 4
<strong>Trends</strong> <strong>im</strong> <strong>Data</strong> <strong>Warehousing</strong> <strong>und</strong> Datenmanagement<br />
Agenda<br />
Status quo Datenmanagement<br />
<strong>Data</strong> Governance<br />
Big <strong>Data</strong><br />
Analytische Datenbanken<br />
Datenarchitekturen<br />
Datenqualitätsmanagement & Stammdatenmanagement<br />
17.06.2013 © <strong>BARC</strong> 2013 6
Die Krise hat Anforderungen an BI verändert<br />
• Kurzfristig verfügbare<br />
Transparenz <strong>und</strong><br />
Frühindikatoren<br />
• Prozessorientierte<br />
Auswertungen<br />
• Planung <strong>und</strong> S<strong>im</strong>ulation<br />
• Dezentrale Flexibilität -<br />
Umsetzungsgeschwindigkeit<br />
für Änderungen<br />
17.06.2013 © <strong>BARC</strong> 2013 7
Angebot Nachfrage<br />
IT-Lösungsangebot „Consumerization“<br />
Heutige Angebotsentwicklung<br />
• Private <strong>und</strong><br />
betriebliche<br />
Nutzung von IT<br />
verschw<strong>im</strong>mt<br />
Historische<br />
Angebotsentwicklung<br />
• Anwendererwartungen<br />
wachsen rapide<br />
• Anwendermacht<br />
ebenso<br />
Unternehmen<br />
Konsument<br />
Bild in Anlehnung an: http://www.force10networks.com/whitepapers/UnifiedNetworkFabric.asp<br />
17.06.2013 © <strong>BARC</strong> 2013 8
Anwender fordern „frischere“ Daten zur<br />
Entscheidungsunterstützung<br />
% aller Daten<br />
70<br />
60<br />
50<br />
Aktualisierungszyklen<br />
werden heterogener<br />
Aktualisierungszyklen verkürzen sich<br />
40<br />
30<br />
20<br />
1990<br />
2000<br />
2010<br />
10<br />
0<br />
real t<strong>im</strong>e<br />
mehrmals am<br />
Tag<br />
Schätzung <strong>BARC</strong> 2008<br />
täglich monatlich jährlich<br />
Aktualisierungszyklus<br />
917.06.2013 © <strong>BARC</strong> 2013 9
Echtzeit-Daten<br />
Wie viel Prozent der Daten werden in welchem Zeitintervall<br />
zur Verfügung gestellt?<br />
< 5 Sek<strong>und</strong>en<br />
< 1 Minute<br />
< 1 St<strong>und</strong>e<br />
Einmal am Tag<br />
Einmal in der Woche<br />
Einmal <strong>im</strong> Monat<br />
4%<br />
10%<br />
4%<br />
7%<br />
6%<br />
9%<br />
13%<br />
9%<br />
27%<br />
24%<br />
45%<br />
40%<br />
<strong>BARC</strong> Big <strong>Data</strong> Survey 2013<br />
n = 160<br />
0% 20% 40% 60%<br />
Heute<br />
Geplant<br />
17.06.2013 © <strong>BARC</strong> 2013<br />
10
Status quo<br />
Agiles BI stellt besondere Flexibilitäts- <strong>und</strong><br />
Skalierbarkeitsanforderungen an das Datenmanagement, die durch die<br />
hohe Komplexität in den historisch gewachsenen Analytischen Systemen<br />
nur mit hohem Aufwand <strong>und</strong> hoher Latenz umgesetzt werden können.<br />
17.06.2013 © <strong>BARC</strong> 2013 11
Dezentrale Flexibilität durch Self Service BI<br />
Self Service BI<br />
Modifikation von<br />
Berichten <strong>und</strong><br />
Dashboards<br />
Erzeugung von<br />
Berichten <strong>und</strong><br />
Dashboards ad-hoc<br />
Integration<br />
privater, lokaler<br />
Daten<br />
Modifikation <strong>und</strong><br />
Erzeugung von<br />
Datenmodellen<br />
<strong>Data</strong> Stewardship<br />
(Verbesserung<br />
Datenqualität)<br />
<strong>Data</strong> Governance<br />
17.06.2013 © <strong>BARC</strong> 2013 13<br />
13
Dezentrale Flexibilität durch Sandboxing<br />
BI Services<br />
BI Sandbox<br />
<strong>Data</strong><br />
Mart<br />
<strong>Data</strong><br />
Mart<br />
<strong>Data</strong><br />
Mart<br />
DP Services<br />
<strong>Data</strong><br />
Warehouse<br />
Ind.<br />
copy<br />
DP Sandbox<br />
IQ Services<br />
IQ Sandbox<br />
OLTP<br />
17.06.2013 © <strong>BARC</strong> 2013 14
Status quo<br />
Agiles BI stellt besondere Flexibilitäts- <strong>und</strong><br />
Skalierbarkeitsanforderungen an das Datenmanagement, die durch die<br />
hohe Komplexität in den historisch gewachsenen Analytischen Systemen<br />
nur mit hohem Aufwand <strong>und</strong> hoher Latenz umgesetzt werden können.<br />
17.06.2013 © <strong>BARC</strong> 2013 15
Datenwachstum<br />
Wie stark wachsen die für Berichtswesen <strong>und</strong> Analyse<br />
bereitgestellten Daten <strong>im</strong> Unternehmen pro Jahr?<br />
2011<br />
9%<br />
66%<br />
19%<br />
7%<br />
2012<br />
4%<br />
54%<br />
35%<br />
8%<br />
2013<br />
3%<br />
48%<br />
36%<br />
13%<br />
0% 20% 40% 60% 80% 100%<br />
Negatives / Kein Wachstum Leicht wachsend (1-25%)<br />
Stark wachsend (25%-50%) Sehr stark wachsend (>50%)<br />
n = 202<br />
17.06.2013 © <strong>BARC</strong> 2013 16
Verwendete Daten<br />
Welche Daten nutzen Sie für die Analyse?<br />
Transaktionsdaten<br />
70%<br />
20%<br />
10%<br />
Logs<br />
55%<br />
30%<br />
15%<br />
Sensorik<br />
44%<br />
31%<br />
24%<br />
Unstrukturierte Daten (Dokumente, Video,<br />
Bild)<br />
40%<br />
29%<br />
32%<br />
Social-Media-Daten<br />
14%<br />
50%<br />
36%<br />
0% 20% 40% 60% 80% 100%<br />
Im Einsatz Geplant Nicht geplant<br />
Q: <strong>BARC</strong> Big <strong>Data</strong> Survey Europe, n = 174<br />
17.06.2013 © <strong>BARC</strong> 2013 17
Höhere Anwenderzahlen<br />
Höhere Komplexität der klassischen BI-Infrastrukturen<br />
• Größere Datenmengen<br />
• Höhere Anwenderzahlen<br />
17.06.2013 © <strong>BARC</strong> 2013 18
Höhere Abfragekomplexität<br />
Höhere Komplexität der klassischen BI-Infrastrukturen<br />
• Größere Datenmengen<br />
• Höhere Anwenderzahlen<br />
• Höhere Abfragekomplexität<br />
Traditionelle BI-Anwendungen<br />
Dashboards<br />
Standard-<br />
Reporting<br />
Ad hoc<br />
Reporting<br />
Analyse<br />
<strong>Data</strong><br />
Mining<br />
Planung<br />
„Wir wollen nicht mehr<br />
nur Reporting machen.“<br />
17.06.2013 © <strong>BARC</strong> 2013 19
<strong>Trends</strong> <strong>im</strong> <strong>Data</strong> <strong>Warehousing</strong> <strong>und</strong> Datenmanagement<br />
Agenda<br />
Status quo Datenmanagement<br />
<strong>Data</strong> Governance<br />
Big <strong>Data</strong><br />
Analytische Datenbanken<br />
Datenarchitekturen<br />
Datenqualitätsmanagement & Stammdatenmanagement<br />
17.06.2013 © <strong>BARC</strong> 2013 20
Wesentliche Treiber für <strong>Data</strong> Governance<br />
Prüfung <strong>und</strong><br />
Umsetzung von<br />
Big <strong>Data</strong> Initiativen<br />
Antworten finden auf<br />
die wachsenden<br />
Flexibilitätsanforderungen<br />
aus<br />
den Fachbereichen<br />
Sicherstellung der<br />
Datenqualität &<br />
Steigerung der<br />
Vertrauenswürdigkeit<br />
von Daten<br />
Sicherstellung der<br />
Skalierbarkeit<br />
Erfüllung <strong>und</strong><br />
Einhaltung von<br />
gesetzlichen<br />
Vorschriften<br />
Einhaltung des<br />
Datenschutz<br />
17.06.2013 © <strong>BARC</strong> 2013 21
Hauptprobleme in BI-Projekten<br />
Keine nennenswerte Probleme<br />
32%<br />
Abfragegeschwindigkeit zu langsam<br />
Fehlendes Interesse der Nutzer<br />
Schlechte Datenqualität<br />
Unternehmenspolitik<br />
Uneinigkeit über Anforderungen<br />
Administrative Probleme<br />
Anforderungen änderten sich<br />
17%<br />
15%<br />
15%<br />
14%<br />
13%<br />
12%<br />
12%<br />
„Was sind die<br />
schwerwiegendsten<br />
Probleme, die bei der<br />
Nutzung von BI auftreten?“<br />
Schlechte <strong>Data</strong> Governance<br />
Software ist nicht flexibel genug<br />
Unzuverlässige Software<br />
Daten aus einigen Vorsystemen nicht übernehmbar<br />
Fehlende Schlüsselfunktionen<br />
Softwarebedienung zu schwierig<br />
9%<br />
9%<br />
8%<br />
7%<br />
6%<br />
6%<br />
Zu große Datenvolumen für Produkt<br />
4%<br />
Sicherheitbeschränkungen <strong>im</strong> Produkt 3%<br />
Quelle: <strong>BARC</strong> BI Survey 12<br />
Zu große Nutzerzahlen für Produkt 2%<br />
(Oktober 2012), n=2067<br />
www.bi-survey.com<br />
0% 20% 40%<br />
22<br />
17.06.2013 © <strong>BARC</strong> 2013 22
“<strong>Data</strong> Governance (Datensteuerung) entspricht in<br />
Summe den Menschen, Prozessen <strong>und</strong><br />
Technologien, die zur Verwaltung <strong>und</strong> zum Schutz<br />
des Datenkapitals des Unternehmens benötigt<br />
werden, um allgemein verständliche, korrekte,<br />
vollständige, vertrauenswürdige, sichere <strong>und</strong><br />
auffindbare Unternehmensdaten garantieren zu<br />
können.“<br />
17.06.2013 © <strong>BARC</strong> 2013 23
Nutzen einer <strong>Data</strong> Governance<br />
• Bessere Entscheidungsunterstützung durch unternehmensweit abgest<strong>im</strong>mte<br />
Daten <strong>und</strong> Prozesse<br />
• Erhöhung der Skalierbarkeit der IT-Landschaft durch klare Regeln<br />
• Opt<strong>im</strong>ierung der Datenverwaltungskosten (zunehmend wichtig <strong>im</strong> Zeitalter<br />
explodierender Datenmengen)<br />
• Steigerung der Effizienz durch Nutzung von Synergieeffekten<br />
• Höheres Vertrauen in Daten durch qualitätsgesicherte <strong>und</strong> zertifizierte Daten<br />
sowie eine durchgängige Dokumentation der Datenprozesse,<br />
• Erfüllung von Compliance Richtlinien, wie bspw. Basel III, Solvency II, u.a.,<br />
• Sicherheit für interne <strong>und</strong> externe Daten durch Überwachung <strong>und</strong> Prüfung<br />
der Datenschutzrichtlinien<br />
• Steigerung der Prozesseffizienz durch Standardprozesse<br />
• Klare Verantwortung <strong>und</strong> transparente Kommunikation<br />
17.06.2013 © <strong>BARC</strong> 2013 25
Herausforderungen bei der Einführung einer <strong>Data</strong> Governance<br />
Politik & Menschen<br />
Kommunikation<br />
Budgets & Stakeholder<br />
Standardisierung vs.<br />
Flexibilität<br />
17.06.2013 © <strong>BARC</strong> 2013 26
Marktsegmentierung: Werkzeuge zur Unterstützung von <strong>Data</strong><br />
Governance Initiativen<br />
<strong>Data</strong> Governance<br />
Metadatenmanagement<br />
Datenqualitätsmanagement<br />
Stammdatenmanagement<br />
Datenintegration<br />
Datenmodellierung<br />
17.06.2013 © <strong>BARC</strong> 2013 27
Erkenntnis<br />
• <strong>Data</strong> Governance ist Voraussetzung für die<br />
erfolgreiche Nutzung von Daten.<br />
• Wer <strong>Data</strong> Govnernance nicht beachtet handelt<br />
grob fahrlässig <strong>und</strong> verbaut Potentiale.<br />
• <strong>Data</strong> Governance Projekte sind „richtig aufgesetzt“<br />
keine unbeherrschbaren, hoch-komplexen<br />
Projekte.<br />
17.06.2013 © <strong>BARC</strong> 2013 28
<strong>Trends</strong> <strong>im</strong> <strong>Data</strong> <strong>Warehousing</strong> <strong>und</strong> Datenmanagement<br />
Agenda<br />
Status quo Datenmanagement<br />
<strong>Data</strong> Governance<br />
Big <strong>Data</strong><br />
Analytische Datenbanken<br />
Datenarchitekturen<br />
Datenqualitätsmanagement & Stammdatenmanagement<br />
17.06.2013 © <strong>BARC</strong> 2013 30
Big <strong>Data</strong> verkörpert neue Daten Merkmale – erzeugt vom<br />
heutigen digitalisierten Marktplatz<br />
Eigenschaften von Big <strong>Data</strong><br />
Volume Variety Velocity<br />
Daten in großen Mengen<br />
Terabytes bis Petabytes<br />
von Daten<br />
Daten in vielen Formen<br />
Strukturierte,<br />
polystrukturierte, Text,<br />
Mult<strong>im</strong>edia Daten<br />
Daten in Bewegung<br />
Analyse von Datenströmen<br />
für Entscheidungen in<br />
Sek<strong>und</strong>enbruchteilen<br />
Veracity<br />
Daten Verlässlichkeit<br />
Management der Zuverlässigkeit<br />
<strong>und</strong> Berechenbarkeit von inhärent<br />
ungenauen Datentypen<br />
17.06.2013 © <strong>BARC</strong> 2013 31
Die andersartigen, zusätzlichen (riesigen) Daten(mengen) <strong>und</strong> die<br />
technischen <strong>und</strong> wirtschaftlichen Verarbeitungsmöglichkeiten<br />
eröffnen ein neues IT-Modell: contextual computing<br />
Smartphones, Browser,<br />
Apps, etc. erzeugen eine<br />
riesige Menge an Daten<br />
über Nutzer <strong>und</strong> K<strong>und</strong>en<br />
Menschen tauschen in<br />
sozialen<br />
Netzwerken (frei)<br />
Meinungen,<br />
Wissen, Bedürfnisse<br />
<strong>und</strong> ihre Absichten aus<br />
Open <strong>Data</strong> <strong>und</strong> Open API<br />
ermöglichen den<br />
Durchbruch <strong>im</strong> Hinblick auf<br />
Zugang <strong>und</strong> Integration<br />
Semantik-Technologie wie<br />
RDF ermöglichen<br />
automatisierte<br />
Datenverwertung<br />
<strong>und</strong> -aufnahme<br />
Neue Datenbanken zur<br />
Speicherung <strong>und</strong> web-scale<br />
Verarbeitung<br />
kontextabhängiger<br />
Informationen<br />
Advanced Analytics erschließen<br />
(automatisiert)<br />
Zusammenhänge für<br />
weitreichende<br />
Analyse <strong>und</strong><br />
Prognosemöglichkeiten<br />
Watson-style Beratung<br />
mithilfe großer Speicher<br />
<strong>und</strong> kontextabhängiger<br />
Daten<br />
Mehrwert <strong>und</strong> konkretere<br />
Sichten durch lern- <strong>und</strong><br />
anpassungsfähige<br />
Interaktionen<br />
<strong>und</strong> Visualisierungen<br />
17.06.2013 © <strong>BARC</strong> 2013 32
Big <strong>Data</strong> macht nicht alles neu, sondern ergänzt bekannte<br />
Konzepte<br />
Traditioneller Ansatz<br />
Strukturiert, analytisch, logisch<br />
Neuer Ansatz<br />
kreativ, ganzheitlich, intuitiv<br />
Transaction <strong>Data</strong><br />
<strong>Data</strong><br />
Warehouse<br />
Hadoop<br />
Streams<br />
Web Logs<br />
Internal App. <strong>Data</strong><br />
Strukturiert<br />
Mainframe <strong>Data</strong> Wiederholbar<br />
Linear<br />
OLTP Systems <strong>Data</strong><br />
Enterprise<br />
<strong>Data</strong><br />
Integration<br />
Social <strong>Data</strong><br />
Unstrukturiert<br />
Erforschend Text <strong>Data</strong>, eMails<br />
Iterativ<br />
Sensor <strong>Data</strong>, Images<br />
ERP Sytems <strong>Data</strong><br />
Traditional<br />
Sources<br />
New<br />
Sources<br />
RFID<br />
17.06.2013 © <strong>BARC</strong> 2013 33
Events /<br />
Streams<br />
Documents<br />
(unstructured)<br />
Mult<strong>im</strong>edia<br />
Social Media<br />
<strong>Data</strong> at Rest<br />
Packages<br />
Big <strong>Data</strong> ergänzt das traditionelle DWH um Daten- <strong>und</strong><br />
Analyse-Typen sowie weitere D<strong>im</strong>ensionen<br />
Produce Collect Integrate<br />
Provide<br />
Calculate<br />
Analyse<br />
Consume<br />
Orders, Lieferanten,<br />
Warenwirtschaft, CRM, etc.<br />
Traditionelles DWH<br />
Big <strong>Data</strong><br />
Extract / Import<br />
Integrate/Cleanse/<br />
De-duplicate Customer<br />
Master <strong>Data</strong><br />
Map<br />
Enterprise<br />
DWH<br />
Reduce<br />
Cube<br />
<strong>Data</strong> Mart<br />
<strong>Data</strong> Mining<br />
& Statistics<br />
Opt<strong>im</strong>ization<br />
& S<strong>im</strong>ulation<br />
Semantic<br />
Analysis<br />
Operational<br />
Analytics<br />
Business<br />
Analytics<br />
Predictive<br />
Analytics<br />
Analytics on<br />
<strong>Data</strong> at Rest<br />
Extract /<br />
Import<br />
Shuffle /<br />
Transform<br />
Fuzzy<br />
Comparison<br />
Calculation<br />
Networks<br />
Business<br />
Rules<br />
Real T<strong>im</strong>e<br />
Analytics<br />
Event detection<br />
Capture real-t<strong>im</strong>e data<br />
Visualization<br />
Discovery<br />
Alle verfügbaren Daten<br />
Big <strong>Data</strong> Governance<br />
17.06.2013 © <strong>BARC</strong> 2013 34
Orders, Lieferanten,<br />
Warenwirtschaft,<br />
CRM, etc.<br />
Documents<br />
(unstructured)<br />
Events /<br />
Streams<br />
Mult<strong>im</strong>edia<br />
Social Media<br />
Enterprise Query Layer<br />
Das Big <strong>Data</strong> Zielbild bietet den Fachbereichen end-to-end Analyse-<br />
Möglichkeiten <strong>und</strong> Transparenz der zugr<strong>und</strong>eliegenden Technologie<br />
Produce Collect Integrate<br />
Provide<br />
Calculate<br />
Analyse<br />
Consume<br />
Enterprise<br />
DWH<br />
Cube<br />
Operational<br />
Analytics<br />
Integrate/Cleanse/<br />
De-duplicate Customer<br />
Master <strong>Data</strong><br />
<strong>Data</strong> Mart<br />
Business<br />
Analytics<br />
<strong>Data</strong> Mining<br />
& Statistics<br />
Predictive<br />
Analytics<br />
Map<br />
Reduce<br />
Opt<strong>im</strong>ization<br />
& S<strong>im</strong>ulation<br />
Semantic<br />
Analysis<br />
Analytics on<br />
<strong>Data</strong> at Rest<br />
Extract /<br />
Import<br />
Event detection<br />
Shuffle /<br />
Transform<br />
Fuzzy<br />
Comparison<br />
Business<br />
Rules<br />
Calculation<br />
Networks<br />
Real T<strong>im</strong>e<br />
Analytics<br />
Visualization<br />
Discovery<br />
Capture real-t<strong>im</strong>e<br />
data<br />
Enterprise<br />
<strong>Data</strong> Hub<br />
Big <strong>Data</strong> Governance<br />
Analytics<br />
Platform<br />
Analytics<br />
Portal<br />
17.06.2013 © <strong>BARC</strong> 2013 35
Fehlannahmen über Big <strong>Data</strong><br />
• “Big <strong>Data</strong> ist in erster Linie große Datenmengen“<br />
• “Wir müssen alle älteren Systemen in der neuen Welt von Big <strong>Data</strong><br />
ersetzen“<br />
• "Big <strong>Data</strong> ist nur Hadoop oder Open Source“<br />
• "Ältere Transaktionsdaten spielen keine Rolle mehr“<br />
• "<strong>Data</strong> Warehouses sind eine Sache der Vergangenheit“<br />
• "Big <strong>Data</strong> ist für die Internet-versierten Unternehmen. Traditionelle<br />
Unternehmen sind <strong>im</strong>mun“<br />
• "Wir haben nicht die Notwendigkeit oder das Budget oder entsprechende<br />
Fähigkeiten, also interessiert es uns auch nicht“<br />
• "Big <strong>Data</strong> erfordert viele <strong>Data</strong> Scientists für Codierung <strong>und</strong> Betrieb"<br />
17.06.2013<br />
© <strong>BARC</strong> 2013<br />
38
<strong>Trends</strong> <strong>im</strong> <strong>Data</strong> <strong>Warehousing</strong> <strong>und</strong> Datenmanagement<br />
Agenda<br />
Status quo Datenmanagement<br />
<strong>Data</strong> Governance<br />
Big <strong>Data</strong><br />
Analytische Datenbanken<br />
Datenarchitekturen<br />
Datenqualitätsmanagement & Stammdatenmanagement<br />
17.06.2013 © <strong>BARC</strong> 2013 39
Was ist eine Analytische Datenbank<br />
- was macht eine DWH Appliance aus ?<br />
Analytische Datenbank<br />
(SW-only oder DWH Appliance)<br />
DBMS mit besonderer Eignung (Architektur, Arbeitsweise,<br />
Funktionen) für Analytik, was vor allem durch Abfrage-<br />
Eigenschaften best<strong>im</strong>mt wird<br />
Vorkonfigurierte HW/SW-Pakete zur Sicherstellung eines<br />
„ausgewogenen Systems“ <strong>und</strong> einfachem Betrieb<br />
(DWH) Appliance<br />
17.06.2013 © <strong>BARC</strong> 2013 40
Key Points<br />
Marktentwicklung Analytische Datenbanken<br />
• Die Komplexität analytischer Infrastrukturen wächst – Anwender fürchten<br />
Anforderungen mit „traditionellen“ Datenbanken nicht mehr effizient umsetzen zu<br />
können.<br />
• Deutliche Sichtbarkeitsschwelle für analytische Datenbanken vor 10 Jahren.<br />
Neue Lösungsangebote sorgen für steigende Marktdynamik. Datenbankhersteller<br />
kommen <strong>und</strong> gehen.<br />
• Etablierte Anbieter ziehen nach durch Aufkäufe <strong>und</strong>/oder Eigenentwicklungen.<br />
• Einsatz von analytischen Datenbanken auf dem DACH Markt eher<br />
zurückhaltend. Vertrauen wird vor allem einhe<strong>im</strong>ischen neuen Anbietern<br />
geschenkt. Nachwievor stark vorne liegen die etablierten DB Anbieter IBM,<br />
Oracle <strong>und</strong> Teradata.<br />
• Traditionelle Anbieter rüsten Bestandsk<strong>und</strong>en auf, haben einen schwachen<br />
Neuk<strong>und</strong>engewinn.<br />
17.06.2013 © <strong>BARC</strong> 2013 41
Dritte Generation der Datenbank-Technologie<br />
1. Generation DBMS:<br />
• Proprietäre DBMS wie IMS, IDMS, <strong>Data</strong>com<br />
2. Generation DBMS:<br />
• RDBMS für offene Systeme hängen von Disk Layout ab,<br />
Begrenzungen bzgl. Skalierbarkeit <strong>und</strong> Disk I/O<br />
3. Generation DBMS:<br />
• Die meisten <strong>Data</strong> Warehouse Datenbanken werden einen<br />
Column Store verwenden<br />
• Die meisten (OLTP) Datenbanken werden entweder durch eine<br />
In-Memory-Datenbank ergänzt werden, oder selbst vollständig<br />
<strong>im</strong> Hauptspeicher liegen<br />
• Die meisten Datenbank Server für große Systeme werden<br />
horizontale Skalierbarkeit durch Clustering erreichen<br />
Analytische Datenbanken<br />
17.06.2013 © <strong>BARC</strong> 2013 42
<strong>Trends</strong> <strong>im</strong> Markt analytischer Datenbanken<br />
• Technologische Innovationen<br />
• Hardware<br />
Speicherformen<br />
für analytische<br />
Datenbanken<br />
Speicherorte<br />
für analytische<br />
Datenbanken<br />
Lieferformen<br />
für analytische<br />
Datenbanken<br />
• Prozessoren<br />
• Speicher(-hierarchie)<br />
• Software<br />
Relational,<br />
zeilenorientiert<br />
Relational,<br />
spaltenorientiert<br />
Festplatte<br />
Solid State Disks<br />
Software<br />
Appliance<br />
• Verschiedene Ausprägungen<br />
• Speicherform<br />
• Speicherort<br />
• Lieferform<br />
• Architektur<br />
Multid<strong>im</strong>ensional<br />
Sonstige<br />
(Objekt-relational, Assoziativ,<br />
Datei, Streaming)<br />
Single-Node<br />
SMP<br />
SMP-Cluster<br />
RAM<br />
Prozessor-Cache<br />
opt<strong>im</strong>iert<br />
Architekturen<br />
SMP-<br />
2tierCluster<br />
Cluster<br />
MPP-symetr.<br />
<strong>Data</strong> as a Service<br />
MPP-asymetr.<br />
• „Einer für alles“ versus „aufgabenspezifisch opt<strong>im</strong>iert“<br />
43 17.06.2013 © <strong>BARC</strong> 2013 43
Architekturprinzipien <strong>und</strong> Designansätze opt<strong>im</strong>iert für die<br />
Analyse<br />
• Skalierbarkeit ist die Fähigkeit die Leistung durch hinzufügen von Ressourcen<br />
zu steigern<br />
• Opt<strong>im</strong>al: 100% mehr Ressourcen führen zu 100% mehr Leistung<br />
• Gut ist auch schon eine Steigerung der Leistung von > 80%<br />
• In der Vergangenheit konnte Leistungssteigerung auch durch schnellere<br />
Systemkomponenten erreicht werden<br />
• Dies ist heute fast nicht mehr möglich, weil einzelne Bauteile nicht mehr<br />
deutlich schneller werden (z.B. CPUs) sondern nur die Anzahl erhöht werden<br />
kann<br />
• Operationen müssen also zusätzliche Ressourcen nutzen, was eine<br />
entsprechende Architektur erfordert<br />
• Voraussetzung für Skalierbarkeit ist somit die Parallelisierung<br />
• Essentiell für die Skalierbarkeit ist die Vermeidung von sequentieller<br />
Verarbeitung <strong>und</strong> die Reduktion von Abhängigkeiten<br />
44 17.06.2013 © <strong>BARC</strong> 2013 44
Parallele Query Verarbeitung<br />
46<br />
select sum(x) from table_a,table_b where a = b<br />
connect<br />
Sum<br />
Join<br />
Opt<strong>im</strong>ize<br />
Coord<br />
Get<br />
statistics<br />
Read A<br />
Read B<br />
sum(…)<br />
Catalog<br />
sum=10 sum=12 sum=13 sum=11<br />
Agent Agent Agent Agent<br />
Sum<br />
Sum<br />
Join<br />
Join<br />
Join<br />
A B<br />
A B<br />
A B<br />
Part1 Part2 Part3 PartN<br />
Sum<br />
Sum<br />
Join<br />
A B<br />
table_a<br />
table_b<br />
17.06.2013 © <strong>BARC</strong> 2013 46
Funktionen analytisch opt<strong>im</strong>ierter Technologien:<br />
Zusammenfassung der <strong>Trends</strong><br />
Hohe Kompression<br />
Notwendig, da RAM der l<strong>im</strong>itierende Faktor ist.<br />
Zeilen & spaltenbasierte<br />
Speicherung<br />
Zeilenformat für transaktionale Workloads <strong>und</strong><br />
spaltenformat bei Datenzugriffen für OLAP Queries.<br />
Multi-Core <strong>und</strong> Vector<br />
opt<strong>im</strong>ierte Algorithmen<br />
Vermeidung von Locks oder<br />
Synchronisation. Ausnutzen von speziellen<br />
HW Features<br />
6<br />
7<br />
1<br />
2<br />
In-Memory Datenbanken<br />
Datenbanktechnologie der 3. Generation<br />
vermeidet (Disk) I/O. Kompression <strong>und</strong><br />
spezielle Technologien erlauben auch große<br />
Datenbanken <strong>im</strong> Memory zu halten.<br />
Prädikat-Evaluierung mit<br />
kompr<strong>im</strong>ierten Daten<br />
Verarbeitung (Scans <strong>und</strong> Evaluierung) der<br />
Daten in kompr<strong>im</strong>iertem Format<br />
5<br />
4<br />
3<br />
“Frequency Partitioning”<br />
Voraussetzung für den effektiven parallelen<br />
Zugriff auf die kompr<strong>im</strong>ierten Daten mit<br />
horizontaler <strong>und</strong> vertikaler El<strong>im</strong>inierung von<br />
Datenpartitionen.<br />
Massive Parallelität<br />
Alle Prozessor-Cores werden für Queries<br />
genutzt. MPP <strong>und</strong> „shared nothing“<br />
Architekturen.<br />
17.06.2013 © <strong>BARC</strong> 2013 49
Vieles ist nicht mehr notwendig:<br />
• Keine Indexkreierung- <strong>und</strong> pflege<br />
• Keine materialisierte View-Verwaltung<br />
• Keine Aggregate <strong>und</strong> Summaries<br />
• Keine Statistikverwaltung<br />
• Keine Storage-Allokation<br />
• Keine Anwendungsänderungen<br />
Fazit: der Einsatz einer analytischen Datenbank<br />
verbessert die Performance, vereinfacht die<br />
Administration <strong>und</strong> senkt die Betriebskosten<br />
17.06.2013 © <strong>BARC</strong> 2013 50
Marktübersicht Analytische Datenbanken<br />
Anbieter/DB-Engine<br />
Speicherstelle Lieferform Speichertyp Architektur<br />
Disk<br />
(HDD/SSD)<br />
In-<br />
Memory<br />
(RAM)<br />
Software Appliance DaaS Column Row SMP MPP<br />
Actian Vectorwise x x x (x) x<br />
Calpont InfiniDB x x x x x x<br />
EMC Greenplum x x x x x x A<br />
Exasol ExaSolution x x x x x x x S<br />
HP Vertica Analytics Platform x x x x x (x) x S<br />
IBM DB2 (Pure<strong>Data</strong> Op. Analytics) x x x x x S<br />
IBM Netezza (Pure<strong>Data</strong> Analytics) x x x x A<br />
InfoBright x x x<br />
Kognitio WX2 (x) x x x x x x S<br />
Microsoft SQL Server / PDW x x x x x C x<br />
Oracle <strong>Data</strong>base / Exadata x x x (x) x 2TC<br />
ParAccel Analytic Platform x x x x x x x<br />
ParStream x x x x x x<br />
SAND Analytics Server x x x x x x<br />
SAP HANA (x) x x x (X) x S<br />
Sybase IQ x x x C<br />
Teradata x x x x x S<br />
Teradata Aster <strong>Data</strong>base x x x x x x x S<br />
Auszug <strong>BARC</strong>-Studie Analytische Datenbanken 2013<br />
X= ja C=SMP Cluster 2TC=2-tier-Cluster S=symetrisch A=asymetrisch<br />
17.06.2013 © <strong>BARC</strong> 2013 51
Auszug aus der <strong>BARC</strong> Studie „Analytische Datenbanken“<br />
(Bewertung)<br />
Anbieter <strong>und</strong> Produkt<br />
5<br />
Flexibilität<br />
4<br />
3<br />
Abfrage-Fähigkeiten<br />
2<br />
1<br />
Gesamtkosten<br />
0<br />
Pflege-Fähigkeiten<br />
Anbieter <strong>und</strong> Produkt<br />
5<br />
Flexibilität<br />
4<br />
3<br />
Abfrage-Fähigkeiten<br />
Umsetzungseffizienz<br />
Mixed Workloads<br />
2<br />
1<br />
Hochverfügbarkeit<br />
Gesamtkosten<br />
0<br />
Pflege-Fähigkeiten<br />
Actian Hersteller Vectorwise x v2.5<br />
Durchschnitt<br />
Umsetzungseffizienz<br />
Mixed Workloads<br />
Hochverfügbarkeit<br />
IBM Hersteller DB2 v10/ISAS/Pure<strong>Data</strong> y<br />
for op. Analytics<br />
Durchschnitt<br />
17.06.2013 © <strong>BARC</strong> 2013 52
<strong>BARC</strong>-B<strong>und</strong>le: Analytische Datenbanken<br />
Schnelle Analysen, einfacher Betrieb, niedrige Kosten –<br />
noch Wunsch oder schon Wirklichkeit?<br />
Bestandteile:<br />
- Aktuelle Markttrends, -übersicht <strong>und</strong> –klassifizierung der ADB-Technologien<br />
- Analystenkommentare zu Einsatz, Nutzen <strong>und</strong> Potential von ADBs<br />
- Vergleichende funktionale Bewertung relevanter ADBS anhand Stärken-<br />
Schwächen-Analysen<br />
- Beschreibung der Datenbank-Leistungsfähigkeit anhand von bestmöglichen<br />
Einsatzszenarien für jede analysierte Datenbank<br />
- PPT-Grafiken für Ihre Präsentationen<br />
- Eintägiges Seminar zur Vertiefung <strong>und</strong> Beantwortung individueller Fragen <strong>und</strong><br />
Beschleunigung der Umsetzung des Themas in Ihrem Unternehmen<br />
17.06.2013 © <strong>BARC</strong> 2013 53
Exkurs In-Memory:<br />
Entwicklung Preis-/Nutzen der Hardware<br />
17.06.2013 © <strong>BARC</strong> 2013 55
In-Memory Datenbanken (IMDB) - Charakteristika<br />
• Daten befinden sich permanent <strong>im</strong> Hauptspeicher<br />
• Hauptspeicher ist die pr<strong>im</strong>äre "Persistenz„<br />
• Immer noch: Logging auf die Festplatte / Recovery von der<br />
Festplatte<br />
• Der Zugriff auf den Hauptspeicher ist der neue Engpass<br />
• Cache - bewusste Algorithmen / Datenstrukturen sind entscheidend<br />
(Lokalität ist wichtig)<br />
• Nutzung von Prozessor Features (Vector Instruktionen, SIMD)<br />
• Spaltenbasierte Datenspeicherung mit hohem<br />
Kompr<strong>im</strong>ierungsfaktor (Memory ist der l<strong>im</strong>itierende Faktor)<br />
• (Teilweise) Verarbeitung der Daten in kompr<strong>im</strong>ierter Form spart<br />
Rechenleistung<br />
• Hauptspeicher opt<strong>im</strong>ierte Algorithmen <strong>und</strong> Verarbeitung<br />
17.06.2013 © <strong>BARC</strong> 2013 56
In-Memory Datenbank - Beispiele<br />
EXASOL<br />
EXASolution IMDB für<br />
analytsche Anwendungen<br />
IBM DB2 mit In-Memory<br />
Erweiterung „BLU“<br />
Hybride Datenspeicherung (klassisch<br />
<strong>und</strong> In-Memory) für OLTP <strong>und</strong><br />
analytische Anwendungen<br />
DB2 with BLU Acceleration<br />
Runt<strong>im</strong>e<br />
Classic<br />
DB2 runt<strong>im</strong>e<br />
Classic DMS<br />
(non-BLU tables)<br />
CPUs with SIMD<br />
BLU<br />
runt<strong>im</strong>e<br />
BLU DMS<br />
(BLU tables)<br />
Classic DB2 bufferpool<br />
SAP HANA<br />
IMDB für analytische <strong>und</strong><br />
OLTP Anwendungen<br />
Storage<br />
classic row<br />
structured table<br />
C1 C2 C3 C4 C5 C6 C7 C8<br />
compressed,<br />
encoded columnar<br />
C1 C2 C3 C4 C5 C6 C7 C8<br />
17.06.2013 © <strong>BARC</strong> 2013 57
<strong>BARC</strong>-Coaching-Paket: SAP HANA<br />
Erhalten sie einen realistischen Einblick in die Chancen <strong>und</strong> Herausforderungen des<br />
Einsatzes von SAP HANA <strong>und</strong> der Alternativen für Ihr Unternehmen!<br />
Bestandteile:<br />
- Workshop<br />
- Übersicht BI mit SAP<br />
- Vergleich Leistungsfähigkeit<br />
- Positionierung in der BI-Landschaft – Herausforderungen <strong>und</strong> Potentiale<br />
- Projekterfahrungen <strong>und</strong> Fallbeispiele<br />
- Technik, Markttrend, Benchmarks, Best Practices<br />
- Individuelle Gestaltung nach Ihren Wünschen<br />
- <strong>BARC</strong>-Studie Analytische Datenbanken<br />
- Unabhängige Bewertung aller marktführenden Produkte <strong>und</strong> interessante Neueinsteiger<br />
- Ein einheitlicher Kriterienkatalog sorgt für Transparenz <strong>und</strong> Vergleichbarkeit<br />
- Research Service „BI Manager“<br />
- 6 Monate Zugriff auf weitere wertvolle Informationsquellen<br />
- Monatliche Research Notes zu aktuellen Themen<br />
- Marktanalysen <strong>und</strong> Hintergr<strong>und</strong>beiträge<br />
- Kostenfreie Teilnahme an <strong>BARC</strong>-Tagungen<br />
17.06.2013 © <strong>BARC</strong> 2013 58
<strong>Trends</strong> <strong>im</strong> <strong>Data</strong> <strong>Warehousing</strong> <strong>und</strong> Datenmanagement<br />
Agenda<br />
Status quo Datenmanagement<br />
<strong>Data</strong> Governance<br />
Big <strong>Data</strong><br />
Analytische Datenbanken<br />
Datenarchitekturen<br />
Datenqualitätsmanagement & Stammdatenmanagement<br />
17.06.2013 © <strong>BARC</strong> 2013 59
Die vier Kernsätze für <strong>Data</strong> <strong>Warehousing</strong><br />
formuliert in den 90er Jahren<br />
Operative <strong>und</strong> dispositive Umgebungen sollten sowohl aus Geschäfts- als<br />
auch aus technischen Gründen getrennt werden<br />
Ein <strong>Data</strong> Warehouse ist der einzige Weg, um eine zuverlässige, integrierte<br />
Sicht auf das Unternehmen zu erhalten<br />
Das <strong>Data</strong> Warehouse ist die einzig mögliche Instanziierung des<br />
vollständigen Unternehmens-Datenmodells<br />
Eine mehrschichtige <strong>Data</strong> Warehouse Architektur ist notwendig für die<br />
schnelle <strong>und</strong> zuverlässige Abfrage-Performance.<br />
17.06.2013 © <strong>BARC</strong> 2013 60
Herausforderungen<br />
<strong>im</strong> Umgang mit Daten <strong>und</strong> Informationen<br />
Quelle: <strong>BARC</strong> <strong>Data</strong> <strong>Warehousing</strong> 2011 Survey<br />
17.06.2013 © <strong>BARC</strong> 2013 61
Aberdeen Study:<br />
Best-In-Class <strong>Data</strong> Management for BI<br />
• 216 global organizations<br />
• Significant trends in high performing companies<br />
• Best in class are<br />
• twice as likely to use MDM as all other companies<br />
• 1.8 t<strong>im</strong>es more likely to have data cleansing capabilities<br />
• 2.2 t<strong>im</strong>es more likely to have the ability to opt<strong>im</strong>ize queries<br />
• Competitive maturity assessment showed<br />
• Average of 39 days average t<strong>im</strong>e to integrate new data sources versus<br />
8.9 months for laggards<br />
• Average 60 percent decrease in t<strong>im</strong>e to information compared to 10<br />
percent for laggards<br />
• Average 81 percent of analytical employees have access to BI whereas<br />
laggards have only 23 percent<br />
• Outstanding companies had an 18 percent average year-over-year<br />
profit margin increase, compared to the 12 percent industry average<br />
Source: „<strong>Data</strong> Management for BI: Strategies for leveraging the Complexity and Growth of Business <strong>Data</strong>“, Aberdeen Group, 2009<br />
17.06.2013 © <strong>BARC</strong> 2013 62
DWH-Architektur<br />
Das geschichtete <strong>Data</strong> Warehouse seit den frühen 90er Jahren<br />
Business Intelligence<br />
Services<br />
Monitoring<br />
Reporting<br />
Ad-hoc Analysis<br />
Management<br />
Services<br />
Planning<br />
Legal Consolidation<br />
Advanced Analysis<br />
Visualization<br />
Collaboration<br />
Business Layer, <strong>Data</strong> Marts Layer, Access Layer, ...<br />
Wichtige Annahme: separate Semantic Layer <strong>Data</strong> Marts<br />
<strong>Data</strong> Provisioning<br />
Services<br />
benötigt, um Core Leistungseinschränkungen <strong>Data</strong> Warehouse Layer von<br />
Caching<br />
Relational <strong>Data</strong> D<strong>im</strong>ensional Federation/<br />
relationalen Datenbanken zu überwinden<br />
Storage <strong>Data</strong> Storage Virtual <strong>Data</strong> Stores<br />
Integration &<br />
Quality Services<br />
Staging Layer, ODS, Near Real-T<strong>im</strong>e <strong>Data</strong>, ...<br />
System & Process<br />
Monitoring<br />
<strong>Data</strong> Modeling<br />
Meta <strong>Data</strong> Mgt.<br />
Security<br />
Automation<br />
<strong>Data</strong> Quality<br />
<strong>Data</strong> Integration<br />
Enrichment<br />
Master <strong>Data</strong><br />
17.06.2013 © <strong>BARC</strong> 2013 64
Externe<br />
Systeme<br />
CRM<br />
ERP SCM<br />
Strukturierte Geschäftsdaten<br />
DWH-Architektur<br />
Das geschichtete <strong>Data</strong> Warehouse seit den frühen 90er Jahren<br />
ETL (batch)<br />
Enterprise BI/DWH Lösung<br />
Staging<br />
(EDW)<br />
Komplexe<br />
“Business<br />
Rules”<br />
Star<br />
Schemas<br />
Komplexe<br />
“Business<br />
Rules”<br />
+ Abhängigkeiten<br />
System of Record<br />
(EDW)<br />
Staging + Historie<br />
Conformed D<strong>im</strong>ensions<br />
Lookup Tables<br />
Hierarchien<br />
Fact Tables<br />
65
Externe<br />
Systeme<br />
CRM<br />
ERP SCM<br />
Strukturierte Geschäftsdaten<br />
<strong>Data</strong><br />
Mining<br />
Ad hoc<br />
Reporting<br />
Standard-<br />
Reporting<br />
Planung<br />
Analyse<br />
Dashboards<br />
Fortgeschrittene DWH-Architektur für Self Service BI,<br />
reduzierten Datenintegrationsaufwand, höhere Flexibiliät<br />
ETL<br />
(batch,<br />
continuous<br />
ingest,)<br />
Enterprise BI/DWH Lösung<br />
Star<br />
Schemas<br />
on demand<br />
Staging<br />
EDW<br />
Advanced<br />
Analytics<br />
ETL<br />
(batch,<br />
continuous<br />
ingest,)<br />
Komplexe<br />
“Business<br />
Rules”<br />
Report<br />
Collections<br />
F<strong>und</strong>amentale Ziele<br />
• wiederholbar<br />
• konsistent<br />
• Fehlertolerant<br />
• skalierbar<br />
• “auditable”<br />
• Die “business rules” sind näher zu den Fachbereichen verlegt<br />
• Verbesserte Reaktionszeiten in der IT<br />
• Reduzierte Kosten <strong>und</strong> min<strong>im</strong>ierte Beeinflussung des<br />
Enterprise <strong>Data</strong> Warehouse (EDW)<br />
66
Fortgeschtrittene DWH-Architektur: Verbesserungen der<br />
Flexibilität, Abfrageperformance <strong>und</strong> Datenaktualität<br />
Business Intelligence<br />
Services<br />
Monitoring<br />
Reporting<br />
Verbesserte Abfrage<br />
Performance durch<br />
Ad-hoc<br />
Nutzung<br />
Analysis<br />
neuer<br />
Technologien<br />
Management<br />
Services<br />
Planning<br />
Legal Consolidation<br />
Advanced Analysis<br />
Visualization<br />
Collaboration<br />
System & Process<br />
Monitoring<br />
<strong>Data</strong> Provisioning<br />
Services<br />
Relational <strong>Data</strong><br />
Storage<br />
D<strong>im</strong>ensional<br />
<strong>Data</strong> Storage<br />
Semantic Layer<br />
Federation/<br />
Virtual <strong>Data</strong> Stores<br />
Datenbank Performance<br />
Caching<br />
<strong>Data</strong> Modeling<br />
Meta <strong>Data</strong> Mgt.<br />
Security<br />
Integration &<br />
Quality Services<br />
<strong>Data</strong> Quality<br />
<strong>Data</strong> Integration<br />
Enrichment<br />
Verbesserte Pflege<br />
Performance durch<br />
Vereinfachung der DI<br />
Strecken<br />
Master <strong>Data</strong><br />
Automation<br />
17.06.2013 © <strong>BARC</strong> 2013 67
Fortgeschrittene <strong>Data</strong>-Warehouse-Architektur: Zielbild<br />
Enterprise Query Layer/Daten Virtualisierung<br />
Logisches<br />
<strong>Data</strong><br />
Warehouse<br />
Streaming/<br />
Event<br />
<strong>Data</strong><br />
Historical<br />
Reporting<br />
<strong>Data</strong><br />
Core<br />
Business<br />
<strong>Data</strong><br />
Business<br />
Analysis<br />
<strong>Data</strong><br />
Multistructured<br />
<strong>Data</strong><br />
Etc.<br />
Etc.<br />
Metadata<br />
Datenakquise <strong>und</strong> Integration<br />
ERP SCM CRM<br />
Externe<br />
Systeme<br />
Sensor-Daten Web Logs Social Media Dokumente<br />
Strukturierte Geschäftsdaten Maschinengeneriert (strukt.) Mensch generiert (polystr.)<br />
Integrierte Strukturen<br />
• Säulen anstatt Schichten<br />
• Daten über Säulen hinweg<br />
gemeinsam genutzt<br />
• Gespeichert & Streaming<br />
• RDBMS <strong>und</strong> nicht-relational per<br />
Verarbeitungsanforderung<br />
• Metadaten (& Modelle) über die Säulen<br />
hinweg genutzt<br />
17.06.2013 © <strong>BARC</strong> 2013 68
Trend zur gemischten BI/DWH-Topologie<br />
<strong>Data</strong> Sources<br />
Beispiele<br />
Event <strong>Data</strong><br />
CRM<br />
Internet /<br />
Social Media<br />
ERP<br />
<strong>Data</strong><br />
Integration<br />
Big <strong>Data</strong><br />
Processing<br />
Real-t<strong>im</strong>e<br />
Analytics<br />
Traditional, centralized<br />
Enterprise<br />
<strong>Data</strong> Warehouse<br />
Queryable<br />
Archive<br />
• IBM Logical <strong>Data</strong> Warehouse<br />
Architecture<br />
• Teradata Analytic Eco-System<br />
• Microsoft Distributed <strong>Data</strong> Warehouse<br />
Architecture<br />
External Sources<br />
Operational<br />
Analytics<br />
BI + Ad Hoc<br />
Analytics<br />
Q: IBM<br />
<strong>Data</strong> Governance, Security and Lifecycle Management<br />
Departmental<br />
Reporting<br />
Regional<br />
Reporting<br />
Central EDW Hub<br />
High-Performance<br />
Reporting<br />
Q: Teradata<br />
Landing Zone<br />
Q: Microsoft<br />
ETL Tools<br />
69
Finales Beispiel: eBay-BI-Umgebung (Mitte 2012)<br />
Tom Fastner, Sr. MTS – APD Architecture, eBay<br />
70
Schlussfolgerung:<br />
Big <strong>Data</strong> erweitert BI auf eine neue Ebene<br />
Jenseits des Hype, Big <strong>Data</strong> ist Mainstream <strong>und</strong> bietet neue<br />
Geschäftsmöglichkeiten in der Analytik- <strong>und</strong> Prozessinnovation<br />
Hadoop <strong>und</strong> zugehörige Tools<br />
sind eine (Entwicklungs)<br />
Umgebung die für Analytik <strong>und</strong><br />
Datenaufbereitung geeignet ist<br />
Der Einsatz einer analytischen<br />
Datenbank kann die Performance<br />
verbessern, die Administration<br />
vereinfachen <strong>und</strong> die<br />
Betriebskosten senken.<br />
Big <strong>Data</strong> (<strong>und</strong> mehr) verlangt nach<br />
einem neuen Ansatz<br />
• Inklusive aller Informations-<br />
Quellen, Typen <strong>und</strong> Nutzung<br />
• Technologie <strong>und</strong> mehr <strong>und</strong><br />
andersartige Daten eröffnen neue<br />
Möglichkeiten in Richtung „context<br />
computing“<br />
• Fortgeschrittene <strong>Data</strong> Warehouse<br />
Architektur als Integrationsplattform<br />
für alle Daten<br />
17.06.2013 © <strong>BARC</strong> 2013 71
<strong>Trends</strong> <strong>im</strong> <strong>Data</strong> <strong>Warehousing</strong> <strong>und</strong> Datenmanagement<br />
Agenda<br />
Status quo Datenmanagement<br />
<strong>Data</strong> Governance<br />
Big <strong>Data</strong><br />
Analytische Datenbanken<br />
Datenarchitekturen<br />
Datenqualitätsmanagement & Stammdatenmanagement<br />
17.06.2013 © <strong>BARC</strong> 2013 72
Gründe für Datenqualitätsinitiativen <strong>und</strong><br />
Stammdatenmanagement: höhere Anforderungen <strong>im</strong> Fachbereich<br />
Big <strong>Data</strong><br />
Mobile<br />
Social Media<br />
…<br />
Fachbereich<br />
Verlässliche Daten<br />
(Stammdatenmanagement <strong>und</strong> Datenqualität)<br />
17.06.2013 © <strong>BARC</strong> 2013 73
Datenmanagement –<br />
Relevante Themen aus Anwendersicht<br />
SaaS / Cloud-Angebote / gehostete Lösungen<br />
40%<br />
28%<br />
29%<br />
Big <strong>Data</strong><br />
56%<br />
20%<br />
21%<br />
Nutzung mobiler Endgeräte<br />
64%<br />
21%<br />
13%<br />
Echtzeit-Daten zur Analyse<br />
66%<br />
16%<br />
17%<br />
Self-Service BI<br />
72%<br />
17%<br />
8%<br />
Stammdatenmanagement (MDM) <strong>und</strong> Datenqualität<br />
82%<br />
10%<br />
5%<br />
0% 20% 40% 60% 80% 100%<br />
(Sehr) wichtig Gleichgültig Kaum / (un-)wichtig<br />
Bewerten Sie die Relevanz der folgenden Trendthemen für Ihr Unternehmen, n=192<br />
<strong>BARC</strong> Big <strong>Data</strong> Survey Europe 2012, Dez 2012, http://www.barc.de/big-data<br />
17.06.2013 © <strong>BARC</strong> 2013 74
Datenmanagement –<br />
Relevante Themen aus Anwendersicht<br />
SaaS / Cloud-Angebote / gehostete Lösungen<br />
40%<br />
28%<br />
29%<br />
Big <strong>Data</strong><br />
56%<br />
20%<br />
21%<br />
Nutzung mobiler Endgeräte<br />
64%<br />
21%<br />
13%<br />
Echtzeit-Daten zur Analyse<br />
66%<br />
16%<br />
17%<br />
Self-Service BI<br />
72%<br />
17%<br />
8%<br />
Stammdatenmanagement (MDM) <strong>und</strong> Datenqualität<br />
82%<br />
10%<br />
5%<br />
0% 20% 40% 60% 80% 100%<br />
(Sehr) wichtig Gleichgültig Kaum / (un-)wichtig<br />
‣ DQ <strong>und</strong> MDM als<br />
wichtigstes „Trend“-Thema<br />
Bewerten Sie die Relevanz der folgenden Trendthemen für Ihr Unternehmen, n=192<br />
<strong>BARC</strong> Big <strong>Data</strong> Survey Europe 2012, Dez 2012, http://www.barc.de/big-data<br />
17.06.2013 © <strong>BARC</strong> 2013 75
Hauptprobleme in BI Projekten<br />
(aus Anwendersicht)<br />
Keine nennenswerte Probleme<br />
32%<br />
Abfragegeschwindigkeit zu langsam<br />
Fehlendes Interesse der Nutzer<br />
Schlechte Datenqualität<br />
Unternehmenspolitik<br />
Uneinigkeit über Anforderungen<br />
Administrative Probleme<br />
Anforderungen änderten sich<br />
17%<br />
15%<br />
15%<br />
14%<br />
13%<br />
12%<br />
12%<br />
„Was sind die<br />
schwerwiegendsten<br />
Probleme, die bei der<br />
Nutzung von BI auftreten?“<br />
Schlechte <strong>Data</strong> Governance<br />
Software ist nicht flexibel genug<br />
Unzuverlässige Software<br />
Daten aus einigen Vorsystemen nicht übernehmbar<br />
Fehlende Schlüsselfunktionen<br />
Softwarebedienung zu schwierig<br />
9%<br />
9%<br />
8%<br />
7%<br />
6%<br />
6%<br />
Zu große Datenvolumen für Produkt<br />
4%<br />
Sicherheitbeschränkungen <strong>im</strong> Produkt 3%<br />
Quelle: <strong>BARC</strong> BI Survey 12<br />
Zu große Nutzerzahlen für Produkt 2%<br />
(Oktober 2012), n=2067<br />
www.bi-survey.com<br />
0% 20% 40%<br />
17.06.2013 © <strong>BARC</strong> 2013 76<br />
76
Hauptprobleme in BI Projekten<br />
(aus Anbietersicht)<br />
Schlechte Datenqualität<br />
36%<br />
Keine nennenswerte Probleme<br />
26%<br />
Unternehmenspolitik<br />
21%<br />
Uneinigkeit über Anforderungen<br />
Anforderungen änderten sich<br />
Administrative Probleme<br />
Daten aus einigen Vorsystemen nicht übernehmbar<br />
Fehlendes Interesse der Nutzer<br />
13%<br />
13%<br />
13%<br />
16%<br />
19%<br />
„Was sind die<br />
schwerwiegendsten<br />
Probleme, auf die<br />
Anbieter bei Ihren<br />
K<strong>und</strong>en stoßen?“<br />
Softwarebedienung zu schwierig<br />
12%<br />
Abfragegeschwindigkeit zu langsam<br />
12%<br />
Zu große Datenvolumen für Produkt<br />
Fehlende Schlüsselfunktionen<br />
5%<br />
5%<br />
Unzuverlässige Software<br />
3%<br />
Zu große Nutzerzahlen für Produkt 2%<br />
Quelle: <strong>BARC</strong> BI Survey 12<br />
Sicherheitsbeschränkungen <strong>im</strong> Produkt 1%<br />
(Oktober 2012), n=512<br />
www.bi-survey.com<br />
0% 20% 40%<br />
17.06.2013 © <strong>BARC</strong> 2013 77<br />
77
Datenqualitätsinitiativen erhöhen das Vertrauen in<br />
Datenqualität signifikant<br />
Vertrauen in Daten analysiert nach Status der Datenqualitätsinitiative:<br />
(n = 133, in %)<br />
Bereits <strong>im</strong> Einsatz<br />
56%<br />
In der Umsetzung<br />
13%<br />
Planung innerhalb des Jahres<br />
23%<br />
langfristig geplant<br />
21%<br />
Hohes Vertrauen<br />
nicht geplant<br />
13%<br />
0 20 40 60<br />
Quelle: <strong>BARC</strong> Studie Datenqualität in Deutschland 2011 - Organisation <strong>und</strong> Initiativen<br />
17.06.2013 © <strong>BARC</strong> 2013 78<br />
78
Datenqualitätsmanagement <strong>und</strong> Stammdatenmanagement<br />
Bereich<br />
Ziel<br />
Lösung über<br />
Datenqualitätsmanagement<br />
Stammdatenmanagement<br />
Datenqualität in Daten<br />
verbessern<br />
Daten aus verschiedenen<br />
Datenquellen verwalten; dabei<br />
notwendig: Datenqualität<br />
Fachlichkeit<br />
Organisation<br />
Technik<br />
Richtlinien <strong>und</strong> Prinzipien<br />
Datenprofile<br />
Anwenderprofile<br />
Anwendungsfälle<br />
Regelwerke, Checklisten<br />
‣ DQ <strong>und</strong> MDM sind<br />
ganzheitliche Themen<br />
17.06.2013 © <strong>BARC</strong> 2013 79
Klassische Herangehensweisen<br />
zur Steigerung der<br />
Datenqualität<br />
17.06.2013 © <strong>BARC</strong> 2013 80
Datenqualitätszyklus<br />
‣ Datenqualität kann durch<br />
Umsetzung des DQ-Zyklus<br />
dauerhaft gesichert werden<br />
17.06.2013 © <strong>BARC</strong> 2013 81<br />
81
Datenqualitätszyklus, Beispiel Analyse (IBM)<br />
17.06.2013 © <strong>BARC</strong> 2013 82
Datenqualitätszyklus, Beispiel Bereinigung (<strong>Data</strong>Flux:<br />
Aufbau von DQ-Prozessen)<br />
83
Datenqualitätszyklus, Beispiel Referenzdaten (Microsoft SQL<br />
Server <strong>Data</strong> Quality Services: Definition von Referenzdaten)
Datenqualitätszyklus, Beispiel Kontrollieren <strong>und</strong> Überwachen<br />
(Trillium Software: DQ-Monitoring)<br />
17.06.2013 © <strong>BARC</strong> 2013 85
Aktuelle <strong>Trends</strong> des<br />
Datenqualitätsmanagements<br />
17.06.2013 © <strong>BARC</strong> 2013 86
Treiber des Datenqualitätsmanagements:<br />
Datenqualitätsmanagement <strong>im</strong> Fachbereich<br />
• Treiber: DQ-Verständnis <strong>im</strong> FB, nicht IT<br />
• <strong>Trends</strong> auf Anbieterseite:<br />
• Werkzeuge für den Fachbereich (weniger technisch)<br />
• Oberflächen für verschiedene Rollen (Regelersteller, Datenverwalter,<br />
Datennutzer…)<br />
17.06.2013 © <strong>BARC</strong> 2013 87
Treiber des Datenqualitätsmanagements:<br />
Abdeckung des gesamten DQ-Zyklus<br />
• Treiber: DQ soll ganzheitlich <strong>und</strong> nachhaltig verwaltet werden<br />
(Analyse, Bereinigung, Anreicherung, Überwachung <strong>und</strong> Kontrolle)<br />
• <strong>Trends</strong> auf Anbieterseite:<br />
• Komplettierung von Funktionen zur Abdeckung DQ-Zyklus<br />
• Fehlende Funktionen aus DQ-Zyklus durch offene Schnittstellen durch<br />
Drittanbieter umsetzen<br />
17.06.2013 © <strong>BARC</strong> 2013 88
Treiber des Datenqualitätsmanagements:<br />
DQ bereits bei Datenanlage sichern<br />
• Treiber: Bereits in den operativen Systemen nur qualitativ hochwertige<br />
Daten halten<br />
• <strong>Trends</strong> auf Anbieterseite:<br />
• Integration von DQ-Logik in operative Systeme<br />
• Erweiterung oder Ersetzung operativer Masken<br />
17.06.2013 © <strong>BARC</strong> 2013 89
Treiber des Datenqualitätsmanagements:<br />
Schnellstart der DQ-Initiative<br />
• Treiber: Schnelles <strong>und</strong> korrektes Starten der DQ-Initiative auch <strong>im</strong><br />
kleinen <strong>und</strong> bei beschränkten Budgets<br />
• <strong>Trends</strong> auf Anbieterseite:<br />
• Vorlage-Datenmodelle<br />
• Vorlage-Logik<br />
• Online Services<br />
• Pakete für best<strong>im</strong>mte Aufgabenstellungen (Solvency II)<br />
17.06.2013 © <strong>BARC</strong> 2013 90
Klassische Herangehensweisen<br />
zum Management von<br />
Stammdaten<br />
17.06.2013 © <strong>BARC</strong> 2013 91
Stammdatenmanagement<br />
• Klassischer Anforderung: Stammdaten aus verschiedenen Systemen<br />
sollen verwaltet werden<br />
• Wesentliche Voraussetzung: qualitätsgesicherte Daten<br />
Persistenter MDM Hub<br />
(Repository, ein OLTP-System)<br />
Persistenter MDM Hub<br />
(Repository, spezielle Applikation)<br />
MDM<br />
OLTP-System<br />
OLTP-System<br />
MDM<br />
Leading<br />
OLTP-System<br />
OLTP-System<br />
Operational<br />
Systems<br />
<strong>Data</strong> Warehouse<br />
<strong>Data</strong> Mart<br />
Virtual MDM Hub<br />
(Registry)<br />
Analytical MDM<br />
(Repository, manuelle Datenpflege,<br />
Zielsystem: DWH)<br />
MDM<br />
MDM<br />
Operational<br />
systems<br />
Virtual<br />
Operational<br />
Systems<br />
<strong>Data</strong> Warehouse<br />
<strong>Data</strong> Mart<br />
17.06.2013 © <strong>BARC</strong> 2013 92
MDM-Beispiel: Entwicklung von MDM-Regeln (Talend)<br />
93 Screenshots: Talend
MDM-Beispiel: Anlage von Organisations-Stammdaten (SAP<br />
Netweaver Master <strong>Data</strong> Governance)<br />
17.06.2013 © <strong>BARC</strong> 2013 94<br />
Screenshots: SAP
MDM-Beispiel: MDM mit anbieterspezifischen Workflows <strong>und</strong><br />
Masken (ZetVisions SPoT: Pflege von Kreditoren/Debitoren)<br />
17.06.2013 © <strong>BARC</strong> 2013 95
Aktuelle <strong>Trends</strong> des<br />
Stammdatenmanagements<br />
17.06.2013 © <strong>BARC</strong> 2013 96
Treiber des Stammdatenmanagements:<br />
Integration weiterer Datenquellen<br />
• Treiber: Integration weiterer Datenquellen<br />
• Daten weiterer Standorte<br />
• Integration der Datenmodelle<br />
• Übersetzen von Daten<br />
• Pflege von Daten<br />
• Verteilung von Daten<br />
• <strong>Trends</strong> auf Anbieterseite:<br />
• Parallelbetrieb vs. Integration in operative Systeme<br />
• Erweiterung oder Ersetzung operativer Masken<br />
• Vorlage-Datenmodelle<br />
17.06.2013 © <strong>BARC</strong> 2013 97
Treiber des Stammdatenmanagements:<br />
Datenqualität<br />
• Treiber: Unzureichende Datenqualität = hohe Kosten, niedrige<br />
Motivation; DQ-Verständnis <strong>im</strong> FB, nicht IT<br />
• <strong>Trends</strong> auf Anbieterseite:<br />
• Eigene DQ-Lösung<br />
• Integration externer DQ-Lösungen (Installation, Web Services)<br />
• Abbildung gesamter DQ-Zyklus<br />
17.06.2013 © <strong>BARC</strong> 2013 98
Treiber des Stammdatenmanagements:<br />
Mehr Datenlieferanten, mehr Datennutzer<br />
• Treiber: Supply Chain Management, mehr Kanäle (Mobile Devices),<br />
soziale Medien<br />
• <strong>Trends</strong> auf Anbieterseite:<br />
• Abbildung von Rollen<br />
• Besondere Benutzeroberflächen<br />
• Workflows<br />
• Regel-Management<br />
• Business Glossare<br />
17.06.2013 © <strong>BARC</strong> 2013 99
Treiber des Stammdatenmanagements:<br />
MDM-Daten für BI<br />
• Treiber: MDM-Daten als Gr<strong>und</strong>lage für BI-Systemen<br />
• <strong>Trends</strong> auf Anbieterseite:<br />
• MDM als Bestandteil der Business Intelligence / <strong>Data</strong> Integration Suite /<br />
Angebots<br />
17.06.2013 © <strong>BARC</strong> 2013 100
Auszug Marktüberblick MDM Anbieter<br />
Dun&Bradstreet<br />
zetVisions<br />
Fachliche<br />
Spezialisten<br />
Vision Ware<br />
Zynapse<br />
Heiler<br />
Software<br />
Netconomy<br />
SAP<br />
Oracle<br />
<strong>Data</strong>nomics<br />
Hyperion<br />
Silver Creek<br />
Daten-<br />
Management<br />
Informatica<br />
Siperian<br />
Talend<br />
Amalto<br />
SAS<br />
<strong>Data</strong>Flux<br />
Tibco<br />
Teradata<br />
Service Orientierte<br />
Infrastruktur<br />
IBM<br />
Trigo, DWL,<br />
Initiate<br />
Microsoft<br />
Stratature<br />
Software AG<br />
<strong>Data</strong> Fo<strong>und</strong>ations<br />
Information<br />
Builders<br />
Ataccama (OEM)<br />
Ab Initio<br />
Ataccama<br />
Innovative Systems<br />
Stibo Systems<br />
Kalido<br />
ISO Systems Scarus<br />
‣ Unterschiedliche Anforderungen an MDM werden<br />
von Anbietern durch verschiedene<br />
Herangehensweisen bedient<br />
Technische<br />
Integration<br />
17.06.2013 © <strong>BARC</strong> 2013 101<br />
101
Übersicht Datenqualitäts- <strong>und</strong> Stammdatenmanagement-Software:<br />
BI DM Branchenkatalog “<strong>BARC</strong> Guide 2012/2013”<br />
• Markt-Kompendium zu Business Intelligence<br />
<strong>und</strong> <strong>Data</strong> Management<br />
• Jährliches Update<br />
• Inhalt<br />
• Analystenbeiträge zum<br />
Marktgeschehen<br />
• Case Studies<br />
• Best Practice Beispiele<br />
• alle relevanten Anbietern für Software<br />
<strong>und</strong> Services für BI <strong>und</strong> DM <strong>im</strong><br />
deutschsprachigen Raum<br />
• Download über<br />
http://www.barc.de/de/barc-guidede.html<br />
‣ 45 Hersteller bieten über 100<br />
DQ-Werkzeuge an<br />
‣ 30 Hersteller bieten über 50<br />
MDM-Werkzeuge an<br />
17.06.2013 © <strong>BARC</strong> 2013 102
Treiber <strong>und</strong> <strong>Trends</strong> des Stammdatenmanagement<br />
• Datenqualität <strong>und</strong> Stammdatenmanagement sind die<br />
Top-Datenmanagement-Themen<br />
• Treiber des Datenqualität- <strong>und</strong> Stammdatenmanagements werden durch<br />
<strong>Trends</strong> auf Anbieterseite bedient<br />
• Empfehlung für DQ- <strong>und</strong> MDM-Projekte<br />
• DQ/MDM-Projekte sind sehr individuell sehr individuelle Empfehlung<br />
• DQ-Probleme DQ-Initiativen als Pilotprojekte, lernen<br />
• Unternehmensweites MDM Workshops: Was sind die Ziele?<br />
• DQ <strong>und</strong> MDM sind vorwiegend organisatorisch <strong>und</strong> fachlich zu lösen;<br />
Software kann DQ <strong>und</strong> MDM nicht lösen, sondern nur dabei unterstützen.<br />
17.06.2013 © <strong>BARC</strong> 2013 103
Big <strong>Data</strong> Survey Europe<br />
Anwender-Umfrage zur Nutzung, Technologie <strong>und</strong> Budgets<br />
<strong>und</strong> den zentralen Fragen:<br />
- Status quo <strong>und</strong> geplante Weiterentwicklung<br />
- Treiber von Big <strong>Data</strong> aus Unternehmenssicht?<br />
- Organisation von Big <strong>Data</strong>?<br />
- Nutzung <strong>und</strong> Herausforderungen<br />
- Exklusive Ergebnisse aus der <strong>BARC</strong>-Umfrage an<br />
Best Practice Unternehmen in DACH, Frankreich<br />
<strong>und</strong> GB<br />
<br />
Weitere Informationen <strong>und</strong> Download unter:<br />
www.barc.de/big-data<br />
17.06.2013 © <strong>BARC</strong> 2013 104
Bleiben wir in Kontakt!<br />
Verbinden Sie sich mit mir auf<br />
oder<br />
T<strong>im</strong>m Großer<br />
Diplom-Kaufmann<br />
Head of Consulting Business Intelligence & <strong>Data</strong> Management<br />
Senior Analyst<br />
Otto Görlich<br />
<strong>BARC</strong> GmbH<br />
Steinbachtal 2b<br />
D-97082 Würzburg<br />
Tel. +49 (0)931/880651-27<br />
Fax +49 (0)931/880651-28<br />
tgrosser@barc.de<br />
www.barc.de<br />
Senior Analyst<br />
Lars Iffert<br />
<strong>BARC</strong> GmbH<br />
Steinbachtal 2b<br />
D-97082 Würzburg<br />
Tel. +49 (0)931/880651-0<br />
Fax +49 (0)931/880651-28<br />
ogoerlich@barc.de<br />
www.barc.de<br />
Analyst<br />
<strong>BARC</strong> GmbH<br />
Steinbachtal 2b<br />
D-97082 Würzburg<br />
Tel. +49 (0)931/880651-27<br />
Fax +49 (0)931/880651-28<br />
liffert@barc.de<br />
www.barc.de<br />
17.06.2013 © <strong>BARC</strong> 2013 106
BI Leaders´ Circle<br />
Netzwerk, Wissen <strong>und</strong> Kontakte für BI-Verantwortliche<br />
17.06.2013 © <strong>BARC</strong> 2013 107
BI Leaders´ Circle - Themenplanung<br />
BI Manager –<br />
Research Service<br />
• Mobile BI<br />
• Big <strong>Data</strong> Analytics<br />
• Big <strong>Data</strong> Datenmanagement<br />
• Self-Service-BI<br />
• Analytische Datenbanken<br />
• <strong>Data</strong> Governance<br />
• BI-Organisation<br />
• BI mit SAP<br />
• Information Design<br />
• Social Media BI<br />
• ……..<br />
<strong>BARC</strong>-Tagungen<br />
• Planungs- <strong>und</strong> Controlling-<br />
Systeme für den Mittelstand<br />
• Automatische Rechnungs- <strong>und</strong><br />
Posteingangsbearbeitung<br />
• ÖCI-<strong>BARC</strong>-Tagung Business<br />
Intelligence<br />
• <strong>BARC</strong>-Update: Self Service BI<br />
• <strong>BARC</strong>@TDWI <strong>Track</strong> –<br />
Europäische TDWI-Konferenz<br />
• Berichtswesen, Analyse,<br />
Planung <strong>und</strong> Konsolidierung<br />
auf der Microsoft Business<br />
Intelligence-Plattform<br />
• BI Congress<br />
<strong>BARC</strong>-Studien<br />
Marktanalysen <strong>und</strong><br />
Produktvergleiche<br />
• Big <strong>Data</strong> Survey<br />
• Datenmanagement<br />
• Performance<br />
Management<br />
• The BI Verdict<br />
• The BI Survey<br />
• …..<br />
17.06.2013 © <strong>BARC</strong> 2013 108
<strong>BARC</strong> Business Intelligence Congress 2013<br />
• 19.-20. November 2013 <strong>im</strong> Abenteuermuseum „Odysseum“ in Köln<br />
• Highlights:<br />
• Best Practices<br />
• Case Studies<br />
• Analystenvorträge<br />
• LIVE-Demos <strong>und</strong> „Hot Seats“<br />
• Verleihung des Best Practice Awards in den beiden Kategorien<br />
„Mittelstand“ <strong>und</strong> „Konzern“<br />
17.06.2013 © <strong>BARC</strong> 2013 109