Modern adattárház építés Data Vault alapokon. Gollnhofer Gábor Meta Consulting Kft.
|
|
- Amanda Gulyásné
- 5 évvel ezelőtt
- Látták:
Átírás
1 Modern adattárház építés Data Vault alapokon Gollnhofer Gábor Meta Consulting Kft.
2 Bevezetés Ki kicsoda? Rövid bemutatkozás Miért vagyok itt? Eddigi DW-s tapasztalataim Mit szeretnék megtudni? Adminisztráció, környezet Kahoot.it Bevezetes és BudapestData_DWautomation_1_Intro 2
3 Modern adattárház építés workshop Témák Adattárház architektúrák Modern DW technológiák - szünet - Data Vault módszertan DW automatizáció - ebédszünet - Kapcsolódó workshopok (vizualizáció, gépi tanulás, big data) 3
4 Technológia & IT Üzlet & Management A tudás piramis (DIKW) Bölcsesség = alkalmazott tudás Tudás = az elemzés eredménye Információ = feldolgozott adatok (strukturált & kontextus) Nyers adatok = tények/megfigyelések strukturált, nem strukturált 4
5 Adatok vs. programok/szabályok/folyamatok 5
6 Az EDW-vel szembeni elvárások A vállalati adatvagyon integrált tárháza Stabil, megbízható működés Jó teljesítményű, méretezhető, bővíthető Költség hatékony Rugalmas, agilis Változó környezet, adatforrások, felhasználások Auditálható, a szabályoknak megfelelő (külső/belső) Adatok, folyamatok, lekérdezések/riportok Felhasználói módosítások (pl. csoportosítások) 6
7 Architektúra 7
8 Adattárház architektúra Hagyományos Data Lake Lambda Kappa Virtuális Egyéb? 8
9 Oracle Information Management & Big Data Reference Architecture Hagyományos / Lambda / Kappa / egyéb? 9
10 Lambda architektúra Az adatok relevanciája Forrás: 10
11 Kappa architektúra Kappa = egyszerűsített Lambda Forrás: Érdemes elolvasni: A brief introduction to two data processing architectures Lambda and Kappa for Big Data ( 11
12 Modern DW technológiák Adatbázisok Relációs NoSQL Adatmozgatás ETL/ELT Streaming CDC Kiaknázás Önkiszolgáló BI Data Science Alapelemek On-premise/Could/Hibrid Metaadatok/Governance Biztonság (GDPR?) 12
13 Adatbázisok Relációs vs. NoSQL In-memory vs. Diszk Row vs. Columnar ACID vs. CAP 13
14 Adatmozgatás ETL/ELT Streaming CDC 14
15 Adatmozgatás ETL/ELT ETL = Extract-Transform-Load A klasszikus felépítés Dedikált ETL szerver Teljesen(?) átalakított adatok töltődnek az adatbázisba Pl. Data Stage, Talend ELT = Extract-Load-Transform Ha már van adatkezelésre optimalizált szerver, használjuk! Az extraktált adatok töltődnek az adatbázisba, ott történik az átalakításuk Pl. WhereScape, Oracle Data Integrator ETLT? és egyéb kombinációk 15
16 Adatmozgatás Adatmozgatási modellek 16
17 Kiaknázás Önkiszolgáló BI Data Science Lásd. délutáni workshopok!!! Példa dashboard következő oldal 17
18 Kiaknázás (Dashboard) 18
19 Alapelemek On-prem/Could/Hibrid 19
20 Alapelemek Metaadatok/Governance 20
21 Szünet előtt: Kahoot.it _2
22 Mi a modellezés célja? Forrás: Insights into Modeling NoSQL A DATAVERSITY 2015 Report 22
23 Több vagy kevesebb modellezés? Forrás: Insights into Modeling NoSQL A DATAVERSITY 2015 Report 23
24 Hogyan modellezzünk? 24
25 Az 5 (6-7) kérdés (5Ws [+1H]) Ki (Who) Mit (What) Miért (Why) Hol (Where) Mikor (When) Hogyan (How) Rudyard Kipling: The Elephant's Child I keep six honest serving-men (They taught me all I knew); Their names are What and Why and When And How and Where and Who Plusz: Mennyi (how many) Kivel/kinek (to whom) Mivel (with what) 25
26 Több jó modell is létezhet!!! Specifikus vs. absztrakt A világegyetem modellje: 26
27 Specifikus vs. Absztrakt pl. rekurzív struktúrák 1. szint Forrás: Len Silverston, Paul Agnew: The Data Model Resource Book: Volume 3: Universal Patterns for Data Modeling 27
28 Specifikus vs. Absztrakt pl. rekurzív struktúrák 2. szint Forrás: Len Silverston, Paul Agnew: The Data Model Resource Book: Volume 3: Universal Patterns for Data Modeling 28
29 Specifikus vs. Absztrakt pl. rekurzív struktúrák 3. szint Forrás: Len Silverston, Paul Agnew: The Data Model Resource Book: Volume 3: Universal Patterns for Data Modeling 29
30 DW-s modellezési módszerek pozícionálása (forrás: Lars Rönnbäck) 30
31 Mi a Data Vault? Architektúra Többszintű Jól méretezhető Relációs és NoSQL támogatás Normalizált táblák egyértelműen összekötött halmaza Adatmodell Rugalmas Részletes adatok Történetiség kezelés (mindig, mindenhol) Egy vagy több üzleti területet támogat Hub & Spoke Módszertan A DW/BI legjobb gyakorlat (best-practice) alapján Ismételhető, konzisztens, optimalizált Projekttervezés, kockázatkezelés, verziókezelés, stb. The Data Vault is the optimal choice for modeling the EDW in the DW 2.0 framework. Bill Inmon 31
32 Data Vault 2.0 változások Adatmodell Hash-ek (ID-k helyett) Töltési template-ek Insert-only DW NoSQL modellezés Architektúra Information Mart (Business Vault, Data Mart) Virtualizáció NoSQL támogatás Módszertan Agile, CMMI és Six Sigma alapokon 32
33 Hibrid Data Vault 2.0 architektúra Forrás: Scalefree (Dan Linstedt & Michael Olschimke) 33
34 A Data Vault modellezés előnyei Teljes körű All the data all the time Auditálható, compliance Rugalmas Gyorsan kialakítható, módosítható Rugalmas, egyszerű struktúrák Egyszerűen tölthető (generálható ETL eljárások) Segíti az agilis IT-t Teljesítmény Gyors, parallel töltések Könnyen bővíthető, jól skálázható Stage töltések Data Vault töltések Adatpiacok betöltései Adatforrás Stage DV (H,L,S) BV (H,L,S,P,B) Dimenziók Tények Fontos szinkronizációs pontok 34
35 A Data Vault adatmodellezés Adatmodellezési módszer, mint a 3NF vagy dimenziós 3. normál forma (3NF) operatív rendszerek Dimenziós data mart / OLAP / elemzések Data Vault vállalati adattárház 3NF Data Vault Dimenziós Értékesítés Pénzügy Gyártás Vállalati adattárház Adatpiac 1 Adatpiac 2 Adatpiac 3 Adatpiac 4 35
36 A Data Vault modell alapelemei HUB Primary Key (HASH) Business Key Load Date & Time Record Source LINK Primary Key (HASH) HUB_1 Key HUB_n Key Load Date & Time Record Source Hub Az üzleti kulcsok (Business Key) egyedi listája Link A Hub-ok közötti kapcsolatok (mindig N:M) egyedi listája Satellite A leíró adatok, teljes történetiség kezeléssel A Sat-nak egy és csak egy szülő táblája van (Hub vagy Link) SAT Primary Key (HASH) HUB/LINK Key Load Date & Time Load End Date & Time Record Source 36
37 A Data Vault színei Hub, Link, Sat 37
38 A Data Vault elemei - HUB A Hub az adott entitáshoz tartozó egyedi üzleti kulcsokat (természetes kulcsokat) tartalmazza Soft integrációs pont a különböző forrásokból származó szemantikailag azonos elemekre. Struktúrája: DV HASH - mesterséges kulcs (MD5/SHA/stb. hash a BK-n) Forrás rendszeri kulcs (üzleti kulcs Business Key) - Lehet összetett kulcs is Betöltés timestamp (Load Date TS - LOAD_DTS) amikor először láttuk ezt a kulcsot a DW-ben (forrásadatban) Rekord forrás jelölő (RECORD_SRC) - nyomon követhetőséghez és spec. elemzésekhez Utolsó timestamp (Last Seen Date TS) - Opcionális amikor utoljára láttuk ezt a kulcsot a DW-ben (forrásadatban) 38
39 A Data Vault elemei - HUB A Hub az adott entitáshoz tartozó egyedi üzleti kulcsokat (természetes kulcsokat) tartalmazza. Ügyfél HUB Ugyfel_Hash Ugyfelszam Load_DTS Record_Src 7f2208d6f5c634e5bb5591d277ce8d1f CR1A CRM 28666b283ce0a0bfa26df a769 CR1A CRM 3c9ebb086069ce63856d9df46e0b4ab5 CC5A SALES 9e2208d6f5c634e5bb5591d277cea67c CC3A SALES 86aa6b283ce0a0bfa26df bc7f CR1A SALES 5d0dbb086069ce63856d9df46e0b3ecd CR2A SALES 4a3208d6f5c634e5bb5591d277ce97ea CC5A FINANCE 13ef6b283ce0a0bfa26df bde CC3A SALES 01a2bb086069ce63856d9df46e0b9875 CR2A SALES a3d208d6f5c634e5bb5591d277ce19bc CR1A CRM 39
40 A Data Vault elemei - HUB Jellemző HUB területek: Termék Ügyfél Dolgozó Szállító Érdeklődő Címek Telefonszámok Vevői rendelés Szállítói rendelés 40
41 A Data Vault elemei - LINK A Link az üzleti kulcsok közötti kapcsolatokat jelenti A Link részletezettsége (grain) a szülő kulcsai által definiált Minden Link egy adott Unit Of Work-öt (UOW) testesít meg A Link célja, hogy az adatelemek közötti legrészletesebb kapcsolatot tárolja (múlt, jelen és jövőbeli kapcsolatot is) Szabályai: Egy vagy több Hub vagy Link kulcsot (DV HASH) tartalmaz (FK a HUB/LINK felé) minimum egy FK kötelező Lehet saját satellite táblája/táblái A Load date-től a Last seen date-ig érvényes, vagy ahogy a link-satellite meghatározza Az adatpiacban Tény táblák lesznek belőle (jellemzően) 41
42 A Data Vault elemei - LINK A Link több-a-többes (N:M) kapcsolatot tesz lehetővé! Megengedett struktúrája: DV HASH mesterséges kulcs (HASH) Hub/Link kulcs(ok) idegen kulcs (FK: HASH), a kapcsolódó elemeket határozza meg (UOW és unique idx) Betöltés timestamp (Load Date TS) amikor először láttuk ezt a kapcsolatot Rekord forrás jelölő (RECORD_SRC) nyomon követhetőséghez és spec. elemzésekhez Utolsó timestamp (Last Seen Date TS) - Opcionális amikor utoljára láttuk ezt a kulcsot a DW-ben (forrásadatban) 42
43 A Data Vault elemei - LINK A Link az üzleti kulcsok közötti kapcsolatokat jelenti Ügyfél HUB Ugyfel_Hash Ugyfelszam Load_DTS Record_Src 7f2208d6f5c634e5bb5591d277ce8d1f CR1A CRM 28666b283ce0a0bfa26df a769 CR1A CRM 3c9ebb086069ce63856d9df46e0b4ab5 CC5A SALES Ügyfél - Kapcsolattartó LINK Ugyfel_Kapcsolattarto_Hash Ugyfel_Hash Kapcsolattarto_Hash Load_DTS Record_Src b f...1f e2...ef SALES 5d...cd cf...ba HR 4a...ea 3c...b5 e2...ef SALES 9e...7c 7f...1f cf...ba SALES Kapcsolattartó HUB Kapcsolattarto_Hash Kapcsolattarto_kod Load_DTS Record_Src e a46d9bc94311a2249de0c8ef GABORG SALES cf2b0d09b0567e0b3697f0e7adbc6eba GEDIT HR 43
44 A Data Vault elemei - LINK A Link-ek definiálásánál fontos: Link részletezettsége (Unit-of-Work UOW) Link meghatározó kulcsa (driving key) Link típus (sima, same-as, hierarchical, transactional, stb.) 44
45 LINK Unit-of-Work (UoW) 1. Kapcsolatok felbontása (linkek létrehozása) 45
46 LINK Unit-of-Work (UoW) 2. Kapcsolatok felbontása (helyesen) 46
47 LINK meghatározó kulcsa (Driving key) Szabályok/feltételezések: A Link kulcsa összetett kulcs De a Link üzleti PK-ja lehet szűkebb!!! Pl. egy dolgozó egy időben csak egy osztályon dolgozhat A Link történetét a SAT-ok kezelik Példa: Dolgozó 1; Osztály SY majd átmegy máshová Dolgozó 1; Osztály DW Hogyan követjük le? 47
48 LINK meghatározó kulcsa (Driving key) Példa: Hiába összetett a kulcs, csak a Dolgozó azonosítót (BusinessEntityID) követjük. Azaz, új LINK rekordot veszünk fel, Új SAT rekordot veszünk fel hozzá, és, a régi LINKhez tartozó SAT rekordot lezárjuk. A történetiség kezelést ez a kulcs vezérli (driving key) 48
49 A Data Vault elemei - SATELLITE A Satellite írja le a hub vagy link jellemzőit Történetiséget kezel, hasonlóan a Type-2 dimenzióhoz Megengedett struktúrája: Hub/Link kulcs (FK a Hub/Link PK-ra; HASH) Betöltés timestamp (Load Date TS) érvényesség kezdete Utolsó timestamp (Load End Date TS) érvényesség vége (opcionális insert only DW) Rekord forrás jelölő (RECORD_SRC) nyomon követhetőséghez és spec. elemzésekhez Hash diff (Opcionális; HASH alapú CDC-hez használható) Leíró/tartalmi jellegű attribútumok 49
50 A Data Vault elemei - SATELLITE Egy Hub v. Link Satellite-ja több Sat-ra is szétosztható: Oszlopok adattípusa alapján (vertical partitioning) Változási gyakoriság alapján Adatforrásai alapján (EZ A BEST PRACTICE!) SAT-ok felhasználási módjai: Effectivity Sat (mitől meddig érvényes a hivatkozott Link) Record Tracking Sat (mikor, mit, honnan kaptunk) Status Tracking (adott Hub/Link BK státuszát követi: I/U/D) Computed Sat (ha véletlenül a DV-ben kellene kalkulálni, pl. hogy ugyanazt kapja minden DM és csak egyszer futtassuk) 50
51 A Data Vault elemei - SATELLITE A Satellite írja le a hub vagy link jellemzőit és történetét Ügyfél HUB Ugyfel_Hash Ugyfelszam Load_DTS Record_Src 7f2208d6f5c634e5bb5591d277ce8d1f CR1A CRM 28666b283ce0a0bfa26df a769 CR1A CRM 3c9ebb086069ce63856d9df46e0b4ab5 CC5A SALES Ügyfélnév SAT Ugyfel_Hash Load_DTS Load_End_DTS Record_Src Hashdiff Csaladnev Keresztnev 7f2208d6f5c634e5bb5591d277ce8d1f CRM 7f22...8d1f Fülig Jimmy 28666b283ce0a0bfa26df a CRM a769 Piszkos Alfréd 3c9ebb086069ce63856d9df46e0b4ab null SALES 3c9e...4ab5 Szőke Ciklon 28666b283ce0a0bfa26df a null CRM bd57 Piszkos Fred 7f2208d6f5c634e5bb5591d277ce8d1f CRM a2ef...85b0 don Fülig Jimmy 7f2208d6f5c634e5bb5591d277ce8d1f null CRM 7f22...8d1f Fülig Jimmy 51
52 A Data Vault elemei - SATELLITE Jellemző SAT adatok: Státuszok Mennyiségek Dátumok Szöveges jellemzők 52
53 A Data Vault elemei - SATELLITE Satellite-ek típusai: Sima Multi-valued v. Multi-active (advanced *) Status tracking (advanced **) Effectivity (advanced **) Record tracking (advanced **) 53
54 Multi-active SATELLITE Egy HUB kulcshoz, egy időben több érvényes/aktív SAT rekord is tartozik (pl. ügyfél telefonszám) A SAT PK-ja a HUB_PK+LOAD_DATE + még valami! leíró jellemző [esetleg sub-sequence] 54
55 Egyéb tábla típusok Referencia táblák Referencia táblák Nem változó kódok és jellemzőik tárolására Pl. országkódok (ISO 3166), devizanem, igen/nem, férfi/nő, kód-leírás párok, stb. A DV része, a HUB-SAT struktúrákhoz hasonlóan épül fel Közvetlenül kapcsolódik a SAT-okhoz, nem építünk LINK-et 55
56 Egyéb tábla típusok PIT (Point-In-Time) táblák A DV lekérdezést és DM töltést segítő táblák Ha több SAT tartozik egy HUB/LINK táblához, akkor ezeknek eltérő lesz a története időszeleteket kell lekérdezni PIT tábla pl. HUB-SAT-SAT táblák adott időpillanatban érvényes sorait köti össze A virtualizált (view) DM megoldás egyik kulcs eleme! Néha csak limitált időtávig őrizzük csak meg az adatait Megengedett struktúrája: PIT szekvencia (ID) HUB/LINK hash key (FK) Snapshot Date SAT1 hash key, SAT1 Load Date SATn hash key, SATn Load Date 56
57 Egyéb tábla típusok Bridge táblák A DV lekérdezést és DM töltést segítő táblák Összetett pl. HUB-LINK-HUB-LINK-HUB kapcsolatok egyszerűsíthetők velük A hivatkozott táblák kulcsait köti össze Megengedett struktúrája: Bridge szekvencia (ID) Snapshot Date HUB/LINK1 hash key (FK) HUB/LINKn hash key (FK) opcionális: leíró jellemzők (SAT) [ha azonos a grain!] 57
58 Data Vault kialakítási alapelvek Célok Gyorsaság, rugalmasság, agilitás Megbízhatóság és compliancy ( All the data all the time ) Jó teljesítmény, méretezhetőség Egyszerűsítés (maximalizáljuk az el nem végzett munkát ) KISS (Keep It Simple & Stupid) A lehető legkevesebb kézi kódolás (használjunk kódgenerátorokat) Adatmodellező eszközök (pl. PowerDesigner, WhereScape 3D), ETL generátorok (pl. WhereScape RED) Nincsenek szintaktikus hibák! Egyszerűbb módosítani (csak újra kell generálni) 58
59 Data Vault kialakítási alapelvek Agilis módszerek támogatása Kis lépésekben is felépíthetjük a vállalati DW-t Rövid, gyors ciklusok (modellezés, táblák kialakítása, ETL kialakítása, feltöltés) FONTOS! Priorizáljuk az adatigényeket. Üzleti szabályok (soft) csak a DV utáni rétegben Hub - a hiányzó üzleti kulcsokat automatikusan felveszi Link - mindig N:M kapcsolatok (nem gond, ha változik a szabály) Párhuzamos feldolgozások Hub-ok egyszerre -> Link-ek egyszerre -> Sat-ok egyszerre DV 2.0-ban lehet minden párhuzamosan 59
60 Data Vault alapú adattárház kialakítása/áttérés Raw DV modell kialakítása Üzleti vagy természetes kulcsok - HUB Megkeresése, elemzése; A redundanciák kiszűrése, konszolidálás Kapcsolatok - LINK Az ezek közötti kapcsolatok megkeresése, elemzése Leíró jellegű adatok SAT A maradék adatok elemzése; Konszolidálás, csoportosítás; Hub vagy Link SAT? EDW kialakítása Alap ETL eljárások, hard business rule -ok, stb. Data Martok (és/vagy Business Data Vault) kialakítása Adatstruktúrák, eljárások ( soft business rule -ok), riportok, stb. 60
61 Adattárház automatizálás Tervezés Fejlesztés Működtetés 61
62 DW tervezés/fejlesztés automatizálás DW tervezés automatizálás célja: Az adattárházak tervezésének támogatása Az adattárház specifikus modellezési elemek kezelése ETL tervezés jobb támogatása Fejlesztés automatizálás célja: DW fejlesztés gyorsítása Egyenletes, jó minőségű megoldás készítés támogatása Hatékony, jó minőségű ETL kód generálás 62
63 DW tervezés/fejlesztés automatizálás Funkciócsoportjai Forrásadat profilozás Forrásmodell elemzés DW modell generálás ETL generálás Dokumentálás Üzemeltetés támogatás 63
64 DEMO PowerDesigner alapú DW fejlesztés automatizálás Egyéb megoldások: WhereScape AnalytixDS Quipu Attunity (volt BIReady) stb. 64
65 Kérdések & válaszok 65
66 Olvasnivalók Adatmodellezés: Data Modeling Made Simple - Enterprise Model Patterns - Data Warehouse & Data Vault: Building a Scalable Data Warehouse with Data Vault 2.0 Super Charge Your Data Warehouse Data Architecture: A Primer for... Modeling the Agile Data Warehouse with Data Vault The Official Data Vault Standards Document (Version 1.0) 66
Data Vault 2.0 és az Oracle DW/BD referencia architektúra. Gollnhofer Gábor Meta Consulting Kft.
Data Vault 2.0 és az Oracle DW/BD referencia architektúra Gollnhofer Gábor Meta Consulting Kft. Az Oracle referencia architektúrák Rövid bevezető Az IT Strategies from Oracle (ITSO) része Átgondolt, bevált,
RészletesebbenOracle SQL Developer Data Modeler és a DW adatmodellezés. Gollnhofer Gábor Meta Consulting Kft.
Oracle SQL Developer Data Modeler és a DW adatmodellezés Gollnhofer Gábor Meta Consulting Kft. Oracle Information Management & Big Data Reference Architecture 2 Mi a NoSQL modellezés célja? Forrás: Insights
RészletesebbenBEVEZETÉS AZ ADATTÁRHÁZ AUTOMATIZÁLÁSBA
BEVEZETÉS AZ ADATTÁRHÁZ AUTOMATIZÁLÁSBA Gollnhofer Gábor JET-SOL Kft. Nyilvántartási szám: 503/1256-1177 JET-SOL KFT. Alapadatok 2003-ban alakultunk Több mint 120 magasan képzett munkatárs Ügyfélkör Nagyvállalati
RészletesebbenDöbrönte Zoltán. Data Vault alapú adattárház - Fél óra alatt. DMS Consulting Kft.
Data Vault alapú adattárház - Fél óra alatt Döbrönte Zoltán DMS Consulting Kft. 1 Miről lesz szó Adattárház automatizálás Hol alkalmazható a leghatékonyabban Célok, funkcionalitás, előnyök Data Vault modellezés
RészletesebbenData Vault adatmodellezés.
Data Vault adatmodellezés Nemeth.Zoltan@iqpp.hu Új adattárház adatmodellezési módszer Dan Linstedt nevéhez fűződik Ismérvei Részletes, tételes adatok Történetiség kezelése Data Vault Üzleti területek köré
RészletesebbenAgilis adattárház építés a gyakorlatban. Gollnhofer Gábor Meta4Consulting Europe Kft.
Agilis adattárház építés a gyakorlatban Gollnhofer Gábor Meta4Consulting Europe Kft. Bemutatkozás Meta4Consulting Europe Kft. BI, DW és CRM rendszerek tervezése és integrációja Adatmodellezés, modellezési
RészletesebbenAdattárház tiszta alapokon Oracle Day, Budapest, november 8.
Adattárház tiszta alapokon Oracle Day, Budapest, 2011. november 8. WIT-SYS Consulting Zrt. Lévai Gábor gabor.levai@wit-sys.hu Tematika Az adattárházról általánosan Az adattárház definíciója Fő jellemzők
RészletesebbenSikerünk kulcsa: az információ De honnan lesz adatunk? Palaczk Péter
Sikerünk kulcsa: az információ De honnan lesz adatunk? Palaczk Péter Bevezető az Oracle9i adattárházas újdonságaihoz Elemzési és vezetői információs igények 80:20 az adatgyűjtés javára! Adattárházak kínálta
RészletesebbenHATÉKONY ETL FOLYAMATOK WORKSHOP
HATÉKONY ETL FOLYAMATOK WORKSHOP Gollnhofer Gábor JET-SOL Kft. Nyilvántartási szám: 503/1256-1177 JET-SOL KFT. Alapadatok 2003-ban alakultunk Több mint 120 magasan képzett munkatárs Ügyfélkör Nagyvállalati
RészletesebbenADATTÁRHÁZ MENEDZSMENT ÉS METAADAT KEZELÉS
ADATTÁRHÁZ MENEDZSMENT ÉS METAADAT KEZELÉS Gollnhofer Gábor JET-SOL Kft. Nyilvántartási szám: 503/1256-1177 TARTALOM Bemutatkozás Adattárház menedzsment szemszögből Mi kell a sikeres adattárházhoz? Kérdések
RészletesebbenSzemléletmód váltás a banki BI projekteken
Szemléletmód váltás a banki BI projekteken Data Governance módszertan Komáromi Gábor 2017.07.14. Fókuszpontok áthelyezése - Elérendő célok, elvárt eredmény 2 - Egységes adatforrásra épülő, szervezeti egységektől
RészletesebbenDW/BI rendszerek kialakítása bevezetői szemszögből. Gollnhofer Gábor - Meta Consulting Kft.
DW/BI rendszerek kialakítása bevezetői szemszögből Gollnhofer Gábor - Meta Consulting Kft. Bemutatkozás Meta Consulting Kft. BI, DW és CRM rendszerek tervezése és kialakítása rendszerintegráció, egyedi
RészletesebbenAdatmodellezés. 1. Fogalmi modell
Adatmodellezés MODELL: a bonyolult (és időben változó) valóság leegyszerűsített mása, egy adott vizsgálat céljából. A modellben többnyire a vizsgálat szempontjából releváns jellemzőket (tulajdonságokat)
RészletesebbenETL keretrendszer tervezése és implementálása. Gollnhofer Gábor Meta4Consulting Europe Kft.
ETL keretrendszer tervezése és implementálása Gollnhofer Gábor Meta4Consulting Europe Kft. Tartalom Bevezetés ETL keretrendszer: elvárások és hogyan készítsük A mi keretrendszerünk Bevezetési tanulságok
RészletesebbenI. RÉSZ. Tartalom. Köszönetnyilvánítás...13 Bevezetés...15
Tartalom 5 Tartalom Köszönetnyilvánítás...13 Bevezetés...15 I. RÉSZ AZ ALAPOK... 17 1. fejezet Egy kis történelem...19 A korai MIS rendszerektől az alapgondolatig...19 Operatív és analitikus rendszerek
RészletesebbenData Integrátorok a gyakorlatban Oracle DI vs. Pentaho DI Fekszi Csaba Ügyvezető Vinnai Péter Adattárház fejlesztő 2013. február 20.
Data Integrátorok a gyakorlatban Oracle DI vs. Pentaho DI Fekszi Csaba Ügyvezető Vinnai Péter Adattárház fejlesztő 2013. február 20. 1 2 3 4 5 6 7 8 Pentaho eszköztára Data Integrator Spoon felület Spoon
RészletesebbenData Governance avagy adatvagyon kezelés Rövid bevezető. Gollnhofer Gábor DMS Consulting
Data Governance avagy adatvagyon kezelés Rövid bevezető Gollnhofer Gábor DMS Consulting 1 Bemutatkozás DMS Consulting Kft. 2004-ben alakult, magyar tulajdonosok Data, Management, Systems, Consulting Főleg
RészletesebbenAdattárház kialakítása a Szövetkezet Integrációban, UML eszközökkel. Németh Rajmund Vezető BI Szakértő március 28.
Adattárház kialakítása a Szövetkezet Integrációban, UML eszközökkel Németh Rajmund Vezető BI Szakértő 2017. március 28. Szövetkezeti Integráció Központi Bank Takarékbank Zrt. Kereskedelmi Bank FHB Nyrt.
RészletesebbenData Governance avagy adatvagyon kezelés Rövid bevezető. Gollnhofer Gábor DMS Consulting
Data Governance avagy adatvagyon kezelés Rövid bevezető Gollnhofer Gábor DMS Consulting 1 Bemutatkozás DMS Consulting Kft. 2004-ben alakult, magyar tulajdonosok Data, Management, Systems, Consulting Főleg
RészletesebbenOracle GoldenGate Studio Nagyon rövid bemutató. Quick Talk. Gollnhofer Gábor
Oracle GoldenGate Studio Nagyon rövid bemutató Oracle GoldenGate Studio Quick Talk Gollnhofer Gábor 1 Alapelvek Adatmozgatási modellek 2 Rövid Oracle replikációs történet Change Data Capture (CDC) Oracle
RészletesebbenAdatmodellezés, alapfogalmak. Vassányi István
Adatmodellezés, alapfogalmak Vassányi István Alapok A helyes modell az információs rendszer későbbi használhatóságánakazalapja, olyanmint a jómunkaruha: véd, de nem akadályozza a munkát Objektum-orientált
RészletesebbenA webanalitika változó világa 4 felvonásban
A webanalitika változó világa 4 felvonásban Arató Bence, BI Consulting Email: arato@bi.hu, Twitter: @aratob Traffic Meetup, 2013.02.06 1 Bemutatkozás 15 éves szakmai tapasztalat az üzleti intelligencia
RészletesebbenKKV Adattárház. Presented to: Adattárház Fórum 2014 Date: Június 5, Presented by: Csippán János IT Director
KKV Adattárház Presented to: Adattárház Fórum 2014 Date: Június 5, 2014. Presented by: Csippán János IT Director 1 Tartalom Bemutatkozás KKV Adattárház Nézzük meg közelebbről Megvalósítás és üzemeltetés
RészletesebbenMódszerek és technikák
Szervezeti tevékenység elemzése Business Activity Model, BAM Módszerek és technikák Milyen kérdésekre keresünk választ: Miért? Mit? Mikor? Hogyan? Szervezeti szempontok Tevékenységek logikai modellje Szervezeti
RészletesebbenSegítség, összementem!
Segítség, összementem! Előadók: Kránicz László Irimi János Budapest, 2013. április 10. ITFI - Adatintegrációs Kompetencia Központ ITFI - Adatintegrációs Kompetencia Központ Tartalomjegyzék 2 Az Adattárház
RészletesebbenSelf service reporting fogások, technikák és megoldások controllereknek, nem csak Excel alapon
Self service reporting fogások, technikák és megoldások controllereknek, nem csak Excel alapon Reporting, dashboarding önkiszolgáló módon Anton Dávid Havas Levente Debrecen, 2017.10.26. Mobil fogyasztás
RészletesebbenAdatbázis, adatbázis-kezelő
Adatbázisok I. rész Adatbázis, adatbázis-kezelő Adatbázis: Nagy adathalmaz Közvetlenül elérhető háttértárolón (pl. merevlemez) Jól szervezett Osztott Adatbázis-kezelő szoftver hozzáadás, lekérdezés, módosítás,
RészletesebbenNév- és tárgymutató A, Á
313 Név- és tárgymutató A, Á Accumulating snapshot. Lásd Tényegyedek és táblák, gyűjtött pillanatfelvétel Adatbázis tervezése módszertani folyamat, 36 több fázison keresztül, 37 Adatgazda, 39 Adatkinyerés.
RészletesebbenOracle adatkezelési megoldások helye az EA világában. Előadó: Tar Zoltán
Oracle adatkezelési megoldások helye az EA világában Előadó: Tar Zoltán Témák Bemutatkozás Enterprise Architecture bemutatása Mi az az EA? TOGAF bemutatása OEAF bemutatása Oracle megoldások Oracle termékek
RészletesebbenÜgyfél- és címadatok feldolgozása Talenddel
Ügyfél- és címadatok feldolgozása Talenddel 2012.október 4. Dr. Miskolczi Mátyás, Kiss György A Stratisról röviden Jellemzők - Alapítva: 1998 - Tisztán magyar tulajdon - 50 tanácsadó - 140 ügyfél - 500+
RészletesebbenVvAaLlÓóSs IiıDdEeJjȷŰű OoDdSs goldengate alapokon a magyar telekomban
VvAaLlÓóSs IiıDdEeJjȷŰű OoDdSs goldengate alapokon a magyar telekomban Pusztai Péter IT fejlesztési senior menedzser Magyar Telekom Medveczki György szenior IT architekt T-Systems Magyarország 2014. március
RészletesebbenAdatbányászat és Perszonalizáció architektúra
Adatbányászat és Perszonalizáció architektúra Oracle9i Teljes e-üzleti intelligencia infrastruktúra Oracle9i Database Integrált üzleti intelligencia szerver Data Warehouse ETL OLAP Data Mining M e t a
RészletesebbenBevezetés: az SQL-be
Bevezetés: az SQL-be Tankönyv: Ullman-Widom: Adatbázisrendszerek Alapvetés Második, átdolgozott kiadás, Panem, 2009 2.3. Relációsémák definiálása SQL-ben, adattípusok, kulcsok megadása 02B_BevSQLsemak
RészletesebbenInfor PM10 Üzleti intelligencia megoldás
Infor PM10 Üzleti intelligencia megoldás Infor Üzleti intelligencia (Teljesítmény menedzsment) Web Scorecard & Műszerfal Excel Email riasztás Riportok Irányít Összehangol Ellenőriz Stratégia Stratégia
RészletesebbenFogalomtár bevezetése a Magyar Telekomnál
Fogalomtár bevezetése a Magyar Telekomnál Koncz Béla (MT) Tóth Rózsa (IQSYS) IQSYMPOSIUM, 2012. április 26 Tartalom 1. A projekt: Dilemmák és megoldások a Fogalomtár körül 2. Az eszköz: Funkciók és a működési
RészletesebbenTöbb mint BI (Adatból üzleti információ)
Több mint BI (Adatból üzleti információ) Vállalati műszaki adattárház építés és üzleti elemzések az ELMŰ-ÉMÁSZ Társaságcsoportnál Papp Imre Geometria Kft MEE, Mátraháza, 2013. szeptember 12. Visszatekintés
RészletesebbenAdattárház és BigData Szimbiózisa. Baranyi Szabolcs IM Technical Sales
Adattárház és BigData Szimbiózisa Baranyi Szabolcs IM Technical Sales Szabolcs.baranyi@hu.ibm.com BigData adatforrásai Adattárház kiterjesztés igénye BigData és adattárház integrációja a hatékonyság növelésére
RészletesebbenPapp Attila. BI - mindenkinek
Papp Attila BI - mindenkinek 100% 28% 2012 A kiterjesztett BI piac alakulása BAM/CEP 0.23 Other Data 2 Warehouse 10.5 CRM Analytics 1 Data Integration, Data Quality 3 2010 57 mrd USD BI Services 30 2011
RészletesebbenVodafone ODI ETL eszközzel töltött adattárház Disaster Recovery megoldása. Rákosi Péter és Lányi Árpád
Vodafone ODI ETL eszközzel töltött adattárház Disaster Recovery megoldása Rákosi Péter és Lányi Árpád Adattárház korábbi üzemeltetési jellemzői Online szolgáltatásokat nem szolgált ki, klasszikus elemzésre
RészletesebbenCloud computing. Cloud computing. Dr. Bakonyi Péter.
Cloud computing Cloud computing Dr. Bakonyi Péter. 1/24/2011 1/24/2011 Cloud computing 2 Cloud definició A cloud vagy felhő egy platform vagy infrastruktúra Az alkalmazások és szolgáltatások végrehajtására
Részletesebben2011. November 8. Boscolo New York Palace Budapest. Extrém teljesítmény Oracle Exadata és Oracle Exalogic rendszerekkel
2011. November 8. Boscolo New York Palace Budapest Extrém teljesítmény Oracle Exadata és Oracle Exalogic rendszerekkel Integrált rendszerek - Engineered Systems Együtt tervezett hardver és szoftver Egyedi
RészletesebbenInformáció-architektúra
Információ-architektúra IEEE 1471: Ipari szabvány szerint a szoftver architektúra kulcs fontosságú fogalmai Rendszer 1 Architektúra 1..n Érintett fél 1..n 1 Architektúra leírás 1..n 1..n Probléma 1..n
RészletesebbenBI megoldás a biztosítói szektorban
Dobos Zoltán 2009 szeptember 10 BI megoldás a biztosítói szektorban Tartalom Üzleti felhasználási területek a biztosítói szektorban Cognos megoldások a biztosítói szektor részére 2 Fókusz területek Értékesítési
Részletesebben<Insert Picture Here> Közeli jövőkép az üzleti intelligenciáról
Közeli jövőkép az üzleti intelligenciáról Radnai Szabolcs Üzleti Intelligencia Üzletfejlesztési vezető - Kelet-közép Európa régió Az üzleti intelligencia feladata Embedded Business
RészletesebbenComponent Soft 1994-2013 és tovább
Component Soft 1994-2013 és tovább IT szakemberek oktatása, tanácsadás Fő témáink: UNIX/Linux rendszerek, virtualizációs, fürtözési, tároló menedzsment és mentési technológiák Adatbázisok és middleware
RészletesebbenVáltozások előtt hol áll a banki (adat)elemzés? Nándorfi György
Változások előtt hol áll a banki (adat)elemzés? Nándorfi György Budapest Bank 1987-ben jött létre az egyik legelső hazai kereskedelmi bankként A 8 hazai nagybank egyike Tulajdonosi háttér: 1995-től 2015-ig
RészletesebbenFekete Csaba Csongor Üzleti intelligencia vezető Citibank ZRt.
Fekete Csaba Csongor Üzleti intelligencia vezető Citibank ZRt. Tartalom BI mérföld kövek Kezdeti architektúra és kontextus Lokális Adattárház Kialakítása CRM Evolúció Üzleti Intelligencia kiaknázó eszközök
RészletesebbenCloud computing Dr. Bakonyi Péter.
Cloud computing Dr. Bakonyi Péter. 1/24/2011 Cloud computing 1/24/2011 Cloud computing 2 Cloud definició A cloud vagy felhő egy platform vagy infrastruktúra Az alkalmazások és szolgáltatások végrehajtására
RészletesebbenFejlesztési projektek menedzselése IBM Rational CLM termékekkel. Ker-Soft Kft. Kaszás Orsolya - üzleti tanácsadó
Fejlesztési projektek menedzselése IBM Rational CLM termékekkel Ker-Soft Kft. Kaszás Orsolya - üzleti tanácsadó Tartalom I. CLM termékek rövid ismertetése II. Projekt menedzsment módszertanokról III. Demo
RészletesebbenAdattárház automatizálási tapasztalatok a Generali Biztosítóban
Adattárház automatizálási tapasztalatok a Generali Biztosítóban Csonka Zoltán Adattárház architekt csonka.zoltan@generali.com DW Fórum 2014 Cégismertető A Generali Biztosító hazánk egyik vezető biztosítótársasága,
RészletesebbenAB1 ZH mintafeladatok. 6. Minősítse az állításokat! I-igaz, H-hamis
AB1 ZH mintafeladatok 1. Töltse ki, és egészítse ki! Matematikai formalizmus arra, hogy hogyan építhetünk új relációkat a régi relációkból. Az adatoknak egy jól strukturált halmaza, amelyből információ
RészletesebbenHogyan növelje kritikus üzleti alkalmazásainak teljesítményét?
Hogyan növelje kritikus üzleti alkalmazásainak teljesítményét? Alkalmazás archiválás EMC Forum 2013 Sepsy Zoltán Mindennapi alkalmazásaink Folyamatos változás az alkalmazás technológiákban. Kiterjedt
RészletesebbenCélkitűzések Az Oracle10 g felépítésének, használatának alapszíntű megismerése
BEVEZETÉS Célkitűzések Az Oracle10g felépítésének, használatának alapszíntű megismerése A relációs adatbázis-kezelés elméleti és gyakorlati vonatkozásainak áttekintése Az SQL, PL/SQL nyelvek használatának
RészletesebbenEnterprise extended Output Management. exom - Greendoc Systems Kft. 1
Enterprise extended Output Management exom - Greendoc Systems Kft. 1 exom - Greendoc Systems Kft. 2 Sokféle bementi adatformátum kezelése Adatok fogadása különböző csatornákon Előfeldolgozás: típus meghatározás,
RészletesebbenVezetői információs rendszerek
Vezetői információs rendszerek Kiadott anyag: Vállalat és információk Elekes Edit, 2015. E-mail: elekes.edit@eng.unideb.hu Anyagok: eng.unideb.hu/userdir/vezetoi_inf_rd 1 A vállalat, mint információs rendszer
RészletesebbenMS ACCESS 2010 ADATBÁZIS-KEZELÉS ELMÉLET SZE INFORMATIKAI KÉPZÉS 1
SZE INFORMATIKAI KÉPZÉS 1 ADATBÁZIS-KEZELÉS MS ACCESS 2010 A feladat megoldása során a Microsoft Office Access 2010 használata a javasolt. Ebben a feladatban a következőket fogjuk gyakorolni: Adatok importálása
RészletesebbenKővári Attila, BI projekt
Innovatív BI konferencia, 2011-11-22 Kővári Attila, BI projekt Az előadás bemutatja, milyen lehetőségeket és problémákat rejtenek magukban az önkiszolgáló BI rendszerek. Foglalkozik az ilyen rendszereknél
RészletesebbenOracle9i Alkalmazás Szerver Üzleti folyamat integráció. Molnár Balázs Vezető értékesítési konzultáns Oracle Hungary
Oracle9i Alkalmazás Szerver Üzleti folyamat integráció Molnár Balázs Vezető értékesítési konzultáns Oracle Hungary Üzleti folyamat integráció Kereskedők Beszállítók Partnerek Alkalmazás Disztribútor Belső
RészletesebbenOracle Enterprise Metadata Management
Oracle Enterprise Metadata Management Rövid bemutató Oracle Enterprise Metadata Management Gollnhofer Gábor 1 Tartalom Bevezetés a metaadatokhoz Oracle Enterprise Metadata Management - OEMM Összefoglaló
Részletesebbenwebalkalmazások fejlesztése elosztott alapon
1 Nagy teljesítményű és magas rendelkezésreállású webalkalmazások fejlesztése elosztott alapon Nagy Péter Termékmenedzser Agenda Java alkalmazás grid Coherence Topológiák Architektúrák
RészletesebbenAdatbázisok. 8. gyakorlat. SQL: CREATE TABLE, aktualizálás (INSERT, UPDATE, DELETE), SELECT október október 26. Adatbázisok 1 / 17
Adatbázisok 8. gyakorlat SQL: CREATE TABLE, aktualizálás (INSERT, UPDATE, DELETE), SELECT 2015. október 26. 2015. október 26. Adatbázisok 1 / 17 SQL nyelv Structured Query Language Struktúrált lekérdez
RészletesebbenVIR alapfogalmai. Előadásvázlat. dr. Kovács László
VIR alapfogalmai Előadásvázlat dr. Kovács László Információ szerepe Információ-éhes világban élünk Mi is az információ? - újszerű ismeret - jelentés Hogyan mérhető az információ? - statisztikai - szintaktikai
RészletesebbenBEVEZETÉS Az objektum fogalma
BEVEZETÉS Az objektum fogalma Program (1) Adat (2) Objektum Kiadványszerkesztés Word Táblázatkezelés Excel CAD AutoCad Adatbáziskezelés Access 1 Program (1) Adat (2) Objektum Adatmodell (2) A valós világ
RészletesebbenAdatbázis-kezelő rendszerek. dr. Siki Zoltán
Adatbázis-kezelő rendszerek I. dr. Siki Zoltán Adatbázis fogalma adatok valamely célszerűen rendezett, szisztéma szerinti tárolása Az informatika elterjedése előtt is számos adatbázis létezett pl. Vállalati
RészletesebbenCopyright 2012, Oracle and/or its affiliates. All rights reserved.
1 Oracle Felhő Alkalmazások: Gyorsabb eredmények alacsonyabb kockázattal Biber Attila Igazgató Alkalmazások Divízió 2 M I L L I Á RD 4 1 PERC MINDEN 5 PERCBŐL 5 6 Ember használ mobilt 7 FELHŐ SZOLGÁLTATÁS
RészletesebbenExadata, a világ leggyorsabb adatbázisgépe
ORACLE PRODUCT LOGO 2011. november 8. Budapest Exadata, a világ leggyorsabb adatbázisgépe Fekete Zoltán, principal sales consultant http://blogs.oracle.com/zfekete/ 1 Copyright 2011, Oracle and/or its
RészletesebbenA relációs adatbáziskezelés szabványos nyelve Két fő csoportba sorolhatók az utasításai
8. gyakorlat Structured Query Language Struktúrált lekérdező nyelv A relációs adatbáziskezelés szabványos nyelve Két fő csoportba sorolhatók az utasításai DDL (Data Definition Language) adatstruktúra definiáló
RészletesebbenTeljeskörű BI megoldás a gyakorlatban IBM eszközök használatával, Magyarországon
Teljeskörű BI megoldás a gyakorlatban IBM eszközök használatával, Magyarországon esettanulmány csokor, mely megpróbálja összefoglalni az elmúlt 10 év tapasztalatait,tanulságait és bemutat egy élő, hazai
RészletesebbenTörténet John Little (1970) (Management Science cikk)
Információ menedzsment Szendrői Etelka Rendszer- és Szoftvertechnológia Tanszék szendroi@witch.pmmf.hu Vezetői információs rendszerek Döntéstámogató rendszerek (Decision Support Systems) Döntések információn
RészletesebbenAdatbázis rendszerek I
Normalizálás 1NF 2NF BCNF Adatbázis rendszerek I 20111201 1NF 2NF BCNF Ha BCNF 2NF A B B A 2NF BCNF 2NF részkulcsból indul ki FD létezik FD, amely nem jelölt kulcsból indul ki Jelölt kulcs olyan mezőcsoport
RészletesebbenAz adatok a vállalat kulcsfontosságú erőforrásai. Az információs rendszer adatai kezelésének két alapvető változata:
ADATSZERVEZÉS Az adatok a vállalat kulcsfontosságú erőforrásai. Az információs rendszer adatai kezelésének két alapvető változata: fájlrendszerek (a konvencionális módszer) és adatbázis rendszerek (a haladóbb
RészletesebbenA nagyméretű és nagy mennyiségű adatok kezelésének adatbázis technológiai következményei Vállalati információrendszerek GIKOF 2013
A nagyméretű és nagy mennyiségű adatok kezelésének adatbázis technológiai következményei Vállalati információrendszerek GIKOF 2013 Molnár Bálint ELTE, Információs rendszerek tanszék TÁMOP-4.2.2/B-10/1-2010-0030
RészletesebbenMicrosoft SQL Server telepítése
Microsoft SQL Server telepítése Az SQL Server a Microsoft adatbázis kiszolgáló megoldása Windows operációs rendszerekre. Az SQL Server 1.0 verziója 1989-ben jelent meg, amelyet tizenegy további verzió
RészletesebbenModellinformációk szabványos cseréje. Papp Ágnes, Debreceni Egyetem EFK
Modellinformációk szabványos cseréje Papp Ágnes, agi@delfin.unideb.hu Debreceni Egyetem EFK Tartalom MOF, UML, XMI Az UML és az XML séma MDA - Model Driven Architecture Networkshop 2004 2 Az OMG metamodell
Részletesebben30 MB INFORMATIKAI PROJEKTELLENŐR
INFORMATIKAI PROJEKTELLENŐR 30 MB DOMBORA SÁNDOR BEVEZETÉS (INFORMATIKA, INFORMATIAKI FÜGGŐSÉG, INFORMATIKAI PROJEKTEK, MÉRNÖKI ÉS INFORMATIKAI FELADATOK TALÁKOZÁSA, TECHNOLÓGIÁK) 2016. 09. 17. MMK- Informatikai
RészletesebbenAz információ hatalom. adatok. információ
DW 3. előadás Az információ hatalom adatok információ Információs rendszerek Hagyományos adatforrások (legacy system) Virt. vállalati Virtual coop. Információs Informational Döntési (Decisional) Műveleti
RészletesebbenIBM Software Group Archiválási technológiák - tartalomkezelés Kovács László Az információ kezelésének evolúciója Struktúrált adatok kezelése '60s Alkalmazások '70s Adatbázisok alkalmazásokra optimalizálva
RészletesebbenBig Data az adattárházban
Big Data az adattárházban A párbaj folytatódik? Néhány fontos Big Data projekt Cég Téma Adat Újfajta Mennyiség Saját adat? Típus Google Influenza Google I big I Előjelzés előjelzés Farecast Xoom Chicagoi
RészletesebbenOracle Enterprise Manager: Az első teljesértékű felhő üzemeltetési megoldás
2011 November 8. New York Palota Hotel Boscolo Budapest Oracle Enterprise Manager: Az első teljesértékű felhő üzemeltetési megoldás Sárecz Lajos, Vezető tanácsadó Oracle Hungary Átfogó felhő üzemeltetés
RészletesebbenÖnkiszolgáló BI Az üzleti proaktivítás eszköze. Budapest,
Önkiszolgáló BI Az üzleti proaktivítás eszköze Budapest, 2016.10.27 Tartalom 1. Kihívások Való Világ 2. Hogyan segít az Önkiszolgáló BI? confidential 10/26/2016 2 Riportokkal szembeni igények alakulása
RészletesebbenA hibrid DB cloud biztonsági eszköztára. Kóródi Ferenc Budapest,
A hibrid DB cloud biztonsági eszköztára Kóródi Ferenc Budapest, 2016-10-11 Az adatok védelme Minden szervezet számára kritikus fontosságú Vállalati adatvagyon Szenzitív adatok Külső támadások elsődleges
RészletesebbenTOGAF elemei a gyakorlatban
TOGAF elemei a gyakorlatban Vinczellér Gábor 2009.06.0406 04 8 éves szakmai tapasztalat Bemutatkozás IT Support, Programozó, jelenleg Projektvezető, Termékfejlesztési Üzletág Vezető Tanácsadási és Szoftverfejlesztési
RészletesebbenA hitelezési folyamatok hatékonyságának növelése - Autonomy alapú iratkezelés. Szűcs István HP Informatikai Kft. E-banking konferencia 2014 március 6.
A hitelezési folyamatok hatékonyságának növelése - Autonomy alapú iratkezelés 1 Szűcs István HP Informatikai Kft. E-banking konferencia 2014 március 6. A klasszikus IT eszközei strukturált adatok feldolgozására
RészletesebbenVan-e ingyen-ebéd? Avagy mire elég a nyílt forráskodú Pentaho? Fekszi Csaba Ügyvezető 2012. október 4.
Van-e ingyen-ebéd? Avagy mire elég a nyílt forráskodú Pentaho? Fekszi Csaba Ügyvezető 2012. október 4. Omnit Solutions 2007 óta a piacon BI & adattárház tanácsadás 20 fős csapat Oracle, IBM és Pentaho
RészletesebbenSAP BUSINESSOBJECTS PROFITABILITY AND COST MANAGEMENT (PCM) BEMUTATÁSA
SAP BUSINESSOBJECTS PROFITABILITY AND COST MANAGEMENT (PCM) BEMUTATÁSA MODELL ALKOTÁS, TECHNIKAI ÉS ARCHITECKTURÁLIS KÉRDÉSEK 1. MODELLEZÉS A modellezés a PCM Model Builder moduljának felhasználóbarát,
RészletesebbenAdatbázis rendszerek. dr. Siki Zoltán
Adatbázis rendszerek I. dr. Siki Zoltán Adatbázis fogalma adatok valamely célszerűen rendezett, szisztéma szerinti tárolása Az informatika elterjedése előtt is számos adatbázis létezett pl. Vállalati személyzeti
RészletesebbenSelf Service szekció. XXVIII. Budapesti Menedzsment és Controlling Fórum. Havas Levente. Budapest, május 26. IFUA Horváth & Partners
Self Service szekció XXVIII. Budapesti Menedzsment és Controlling Fórum Havas Levente Budapest, 2016. május 26. Self Service szekció XXVIII. Budapesti Menedzsment és Controlling Fórum Havas Levente Budapest,
RészletesebbenAmit mindig is tudni akartál a Real Application Testing-ről. Földi Tamás Starschema Kft.
Amit mindig is tudni akartál a Real Application Testing-ről Földi Tamás Starschema Kft. Környezet Adattárház Oracle 9i, HPUX 13ezer tábla ~1400 betöltő folyamat ~8000 töltési lépés (mapping) Riportok BusinessObjects
RészletesebbenTudásalapú információ-kereső rendszerek elemzése és kifejlesztése
Tudásalapú információ-kereső rendszerek elemzése és kifejlesztése 1 Tudásalapú információ-kereső rendszerek elemzése és kifejlesztése Természetes nyelv feldolgozás 2 Tudásalapú információ-kereső rendszerek
RészletesebbenVállalati információs rendszerek I, MIN5B6IN, 5 kredit, K. 4. A meghirdetés ideje (mintatanterv szerint vagy keresztfélében):
Követelményrendszer 1. Tantárgynév, kód, kredit, választhatóság: Vállalati információs rendszerek I, MIN5B6IN, 5 kredit, K 2. Felelős tanszék: Informatika Szakcsoport 3. Szak, szakirány, tagozat: Műszaki
RészletesebbenIntegrált Kampánymenedzsment Rendszer kialakítása
HOUG 2014 Siófok Integrált Kampánymenedzsment Rendszer kialakítása Bíró Dávid Senior manager Értékesítési Igazgatóság Kakas Gábor IT projekt manager IT Fejlesztési Igazgatóság I. Üzleti igények Üzleti
RészletesebbenINFORMATIKAI PROJEKTELLENŐR 30 MB. Dr. Horváth Gábor KLASSZIKUS ADATTÁRHÁZAK MMK- Informatikai projektellenőr képzés
INFORMATIKAI PROJEKTELLENŐR 30 MB Dr. Horváth Gábor KLASSZIKUS ADATTÁRHÁZAK 2016. 12. 31. MMK- Informatikai projektellenőr képzés Tartalom Elemző Adatbázisok Az adattárházak komponensei Adatmodell Adatbázis-kezelő
RészletesebbenMEGA ÜZLETI FOLYAMATMENEDZSMENT ÉS VÁLLALATI ARCHITEKTÚRA MEGOLDÁSOK. Kóczé Zoltán Tanácsadó
MEGA ÜZLETI FOLYAMATMENEDZSMENT ÉS VÁLLALATI ARCHITEKTÚRA MEGOLDÁSOK Kóczé Zoltán Tanácsadó 2 Bevezető Nem a legerősebbek, vagy a legintelligensebbek, hanem a legjobban alkalmazkodók maradnak fenn. 3 Modellezés
RészletesebbenDigitalizáció a vállalatirányításban - Milyen szerep jut a controllingnak? Budapest,
Digitalizáció a vállalatirányításban - Milyen szerep jut a controllingnak? Workshop controlling és teljesítménymenedzsment oktatóknak Budapest, 2019.05.10 MCE PROGRAM Idő Téma Előadó / moderátor 10.00-10.15
RészletesebbenFolyamatmodellezés és eszközei. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék
Folyamatmodellezés és eszközei Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Folyamat, munkafolyamat Ez vajon egy állapotgép-e? Munkafolyamat (Workflow):
RészletesebbenAz Oracle Fusion szakértői szemmel
Az Oracle Fusion szakértői szemmel Pigniczki László ügyvezető igazgató ProMigCon Kft. HOUG 2017. november 8. ProMigCon Kft. 2009 novemberében alakult. Alapvető tevékenység: Oracle E-Business Suite bevezetés,
RészletesebbenValós idejű megoldások: Realtime ODS és Database In-Memory tapasztalatok
Valós idejű megoldások: Realtime ODS és Database In-Memory tapasztalatok Pusztai Péter IT fejlesztési senior menedzser Magyar Telekom Sef Dániel Szenior IT tanácsadó T-Systems Magyarország 2016. április
RészletesebbenDW 9. előadás DW tervezése, DW-projekt
DW 9. előadás DW tervezése, DW-projekt Követelmény felmérés DW séma tervezése Betöltési modul tervezése Fizikai DW tervezése OLAP felület tervezése Hardver kiépítése Implementáció Tesztelés, bevezetés
RészletesebbenSzolgáltatás Orientált Architektúra a MAVIR-nál
Szolgáltatás Orientált Architektúra a MAVIR-nál Sajner Zsuzsanna Accenture Sztráda Gyula MAVIR ZRt. FIO 2009. szeptember 10. Tartalomjegyzék 2 Mi a Szolgáltatás Orientált Architektúra? A SOA bevezetés
RészletesebbenFolyamatmodellezés és eszközei. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék
Folyamatmodellezés és eszközei Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Folyamat, munkafolyamat Munkafolyamat (Workflow): azoknak a lépéseknek a sorozata,
Részletesebben