Component Soft és tovább

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Component Soft 1994-2013 és tovább"

Átírás

1 Component Soft és tovább IT szakemberek oktatása, tanácsadás Fő témáink: UNIX/Linux rendszerek, virtualizációs, fürtözési, tároló menedzsment és mentési technológiák Adatbázisok és middleware (főleg MySQL és Java app. szerverek) Bash/Perl/Python/Ruby/stb. script programozás C++/Java/Android programozás BIG DATA!!! 1

2 Component Soft Technológiai szeminárium a Big Data jegyében 2013 március 13. De mi is az a Big Data? Mitől nagy? Miért fontos? Milyen technológiákból áll?

3 Érdekes példák a Big Data-ra: az adatok léteznek, de ki gyűjti össze és főleg ki elemzi ki őket? Arckép felismerés a Picassa-n Dalok felismerése SoundHound apppal Repülőgép sztori: London-New York-i járaton az érzékelők több adatot generálnak, mint ami egy átlagos vállalati adattárházban összesen van Egészségügy: érzékelők a betegeken, korábbi gyógykezelések adatai Large Ecommerce site ajánló rendszerrel Customer churn analysis (ügyfél elpártolás vizsgálata/megakadályozása) rendszerek új generációja 3

4 Big Data definíciója: a 3 V Volume: terabyte vagy petabyte-nyi mennyiségű adat Velocity: nagy sebességű, gépek által generált adatfolyam Variability: sokféle adatformátum 4

5 Miért fontos a Big Data Gartner 2012 októberi előrejelzés a Big Data piacra: 2012: 96 milliárd USD, 2013: 120 milliárd USD 2016: 232 milliárd USD McKinsey 2011: példák, hogy egyes szektorok hogyan csökkenthetik költségeiket és/vagy növelhetik bevételeiket sok száz milliárd dollárral IBM 2012: Big Data is all about better analytics on a broader spectrum of data, and therefore represents an opportunity to create even more differentiation among industry peers. Index 2013 február: az USÁ-ban a legjobban fizetett IT szakemberek a Big Datá-val foglalkoznak: 5

6 Miért nem működnek a régi módszerek? (adattárház, SMP gépek stb.) A tárolt adatmennyiség sokkal gyorsabban nő, mint a processzorok teljesítménye A hagyományos SMP szerverek és shared disk cluster-ek nem alkalmasak a Big Data (petabyte méretek) feldolgozására Az adatok jelentős része nem könnyen, nem hatékonyan szervezhető relációs adatbázisokba A web-en megváltozott az elvárt sebesség definíciója: ha lassú egy webshop, átmennek a konkurenciához 6

7 A Big Data adatfeldolgozás lépései Acquire: adatgyűjtés és real time vagyis operational analysis (pl. hagyományos OLTP, Call Detail Records, call center records, HW & SW system logs, personal location data (mobil GPS), medical sensors, s, twitts, Facebook entries (NoSQL és MySQL Cluster adatbázisok területe) Organize (hagyományosan ez az ETL) Analyze (HW gyorsított adattárházak vagy Hadoop területe) Decide vagy Share (Business Intelligence területe) 7

8 NoSQL adatbázisok: miért? A hagyományos RDBMS-ek bombabiztosak, az SQL nagyon jó programozási nyelv csak: Bonyolultak, ezért nem elég gyorsak Nehézkesen kezelnek sok gigabyte vagy petabyte mennyiségű adatot Rosszul kezelik a távoli replikáció és az adatbázis particionálás (sharding) problémáit 8

9 NoSQL adatbázisok általános jellemzői Alapelvek: NoSQL = Not Only SQL (az SQL nem tűnik el sőt...) Massively paralell, multi master, shared-nothing architecture Egyszerű programozási modell, korlátozott és sokszor előre definiált lekérdezésekkel Egyszerű adminisztráció sok automatizmussal Jobban illeszkednek az OO programozáshoz Sebesség és a folyamatos rendelkezésre állás fontosabb mint a 100%-os adatkonzisztencia (sok vállalati alkalmazásnál nem igazán jó) Egy-két méregdrága HW helyett sok-sok olcsó szerveren futnak Nyílt forráskódúak 9

10 Hadoop: mi is ez? Nyílt forráskódú, több ezer gépig skálázható, hibatűrő rendszer akár petabyte mennyiségű adat tárolására és feldolgozására Az egyes gépek olcsó Linux-os vagy esetleg Windows-os szerverek, emiatt a gigabyteonkénti fajlagos költsége alacsony Az adatok formátuma bármilyen lehet, a struktúrát nem az adatgyűjtésnél hanem az egyes feldolgozásoknál tudom megadni Speciális algoritmusokat és programozási modellt igényel (MapReduce) Nagyon elterjedt nagy mennyiségű, nehezen strukturálható adat batch alapú feldolgozására 10

11 HW gyorsított adattárház gépek Kevésbé forradalmi megoldás, legkönnyebben eladható a vállalatoknak Továbbra is hagyományos adatbázist használnak Adatbázis, szerver és tároló integrált megvalósítása a gyors működés és egyszerű kezelhetőség érdekében Pl. Oracle Exadata, IBM Netezza 11

Big Data adattárházas szemmel. Arató Bence ügyvezető, BI Consulting

Big Data adattárházas szemmel. Arató Bence ügyvezető, BI Consulting Big Data adattárházas szemmel Arató Bence ügyvezető, BI Consulting 1 Bemutatkozás 15 éves szakmai tapasztalat az üzleti intelligencia és adattárházak területén A BI Consulting szakmai igazgatója A BI.hu

Részletesebben

Big Data: a több adatnál is több

Big Data: a több adatnál is több Big Data: a több adatnál is több Sidló Csaba István MTA Számítástechnikai és Automatizálási Kutatóintézet Üzleti Intelligencia és Adattárházak Csoport sidlo@sztaki.mta.hu http://dms.sztaki.hu CIO Hungary

Részletesebben

Élet az SQL-en túl: Az adatfeldolgozás legújabb trendjei. Földi Tamás

Élet az SQL-en túl: Az adatfeldolgozás legújabb trendjei. Földi Tamás Élet az SQL-en túl: Az adatfeldolgozás legújabb trendjei Földi Tamás tfoldi@starschema.net IBM Kutatóközpont San Jose, California, 1970 Negyven évvel később Gartner Report Elsősorban relációs adatbázisok

Részletesebben

Microsoft SQL Server telepítése

Microsoft 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

Részletesebben

Big Data az adattárházban

Big 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

Részletesebben

Adatbányászat és Perszonalizáció architektúra

Adatbányászat 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

Részletesebben

Big Data tömeges adatelemzés gyorsan

Big Data tömeges adatelemzés gyorsan MEDIANET 2015 Big Data tömeges adatelemzés gyorsan STADLER GELLÉRT Oracle Hungary Kft. gellert.stadler@oracle.com Kulcsszavak: big data, döntéstámogatás, hadoop, üzleti intelligencia Az utóbbi években

Részletesebben

BIG DATA ELEMZÉSEK LEHETŐSÉGEI

BIG DATA ELEMZÉSEK LEHETŐSÉGEI BIG DATA ELEMZÉSEK LEHETŐSÉGEI A KÖRNYEZETVÉDELMI MODELLEZÉSBEN Dr. Torma A. 2015.11.13. 2015/11/13 Dr. TORMA A. >> Széchenyi István Egyetem 2 Tartalom 1. A Big Data fogalma 2. Pár érdekes adat a Big Data

Részletesebben

2011. 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 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

Részletesebben

GENERÁCIÓS ADATBÁZISOK A BIG DATA KÜLÖNBÖZŐ TERÜLETEIN

GENERÁCIÓS ADATBÁZISOK A BIG DATA KÜLÖNBÖZŐ TERÜLETEIN INFORMATIKAI PROJEKTELLENŐR 30 MB Szabó Csenger ÚJ GENERÁCIÓS ADATBÁZISOK A BIG DATA KÜLÖNBÖZŐ TERÜLETEIN 2016. 12. 31. MMK- Informatikai projektellenőr képzés Big Data definíció 2016. 12. 31. MMK-Informatikai

Részletesebben

Vezetői információs rendszerek

Vezetői 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

Részletesebben

KÖVETKEZŐ GENERÁCIÓS NAGYVÁLLALATI TARTALOMKEZELŐ MEGOLDÁSOK Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16. Mezei Ferenc üzletág-igazgató

KÖVETKEZŐ GENERÁCIÓS NAGYVÁLLALATI TARTALOMKEZELŐ MEGOLDÁSOK Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16. Mezei Ferenc üzletág-igazgató KÖVETKEZŐ GENERÁCIÓS NAGYVÁLLALATI TARTALOMKEZELŐ MEGOLDÁSOK Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16. Mezei Ferenc üzletág-igazgató Hasonló, mégis más Ez se rossz amíg ezt ki nem próbáltad!

Részletesebben

Enterprise extended Output Management. exom - Greendoc Systems Kft. 1

Enterprise 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,

Részletesebben

Sikerünk kulcsa: az információ De honnan lesz adatunk? Palaczk Péter

Sikerünk 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

Részletesebben

Valós idejű megoldások: Realtime ODS és Database In-Memory tapasztalatok

Valós 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

Részletesebben

ADATBÁZIS-KEZELÉS - BEVEZETŐ - Tarcsi Ádám, ade@inf.elte.hu

ADATBÁZIS-KEZELÉS - BEVEZETŐ - Tarcsi Ádám, ade@inf.elte.hu ADATBÁZIS-KEZELÉS - BEVEZETŐ - Tarcsi Ádám, ade@inf.elte.hu Számonkérés 2 Papíros (90 perces) zh az utolsó gyakorlaton. Segédanyag nem használható Tematika 1. félév 3 Óra Dátum Gyakorlat 1. 2010.09.28.

Részletesebben

IT trendek és lehetőségek. Puskás Norbert

IT trendek és lehetőségek. Puskás Norbert IT trendek és lehetőségek Puskás Norbert és kapcsolódó Üzleti technológiák elvárások T-Systems stratégia és innováció 2010 Gartner: CIO TOP 10 Technologies, 2011 Mobilizáció Hatások fogyasztói oldalról

Részletesebben

Tudásalapú információ integráció

Tudásalapú információ integráció Tudásalapú információ integráció (A Szemantikus Web megközelítés és a másik irány) Tanszéki értekezlet, 2008. május 14. 1 Miért van szükségünk ilyesmire? WWW: (Alkalmazások) Keresés a weben (pl. összehasonlítás

Részletesebben

Adattárház és BigData Szimbiózisa. Baranyi Szabolcs IM Technical Sales

Adattárház 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

Részletesebben

API-MÁGIA MILLIÓ SORNYI ADAT ÚJRARENDEZÉSE. Előadó: Jaksa Zsombor, drungli.com

API-MÁGIA MILLIÓ SORNYI ADAT ÚJRARENDEZÉSE. Előadó: Jaksa Zsombor, drungli.com API-MÁGIA MILLIÓ SORNYI ADAT ÚJRARENDEZÉSE Előadó: Jaksa Zsombor, drungli.com MIRŐL FOG SZÓLNI AZ ELŐADÁS? Hogyan működik a drungli.com?# Adatok gyűjtése, stratégiák# Ha marad időm még mesélek HOGYAN MŰKÖDIK

Részletesebben

Felhők teljesítményelemzése felhő alapokon

Felhők teljesítményelemzése felhő alapokon Felhők teljesítményelemzése felhő alapokon Kocsis Imre ikocsis@mit.bme.hu HTE Infokom 2014 Budapest University of Technology and Economics Department of Measurement and Information Systems 1 IT Szolgáltatásmenedzsment

Részletesebben

Big Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez

Big Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez Big Data technológiai megoldások fejlesztése közvetlen mezőgazdasági tevékenységekhez Szármes Péter doktorandusz hallgató Széchenyi István Egyetem, MMTDI Dr. Élő Gábor egyetemi docens, Széchenyi István

Részletesebben

webalkalmazások fejlesztése elosztott alapon

webalkalmazások fejlesztése elosztott alapon 1 Nagy teljesítményű és magas rendelkezésreállású webalkalmazások fejlesztése elosztott alapon Nagy Péter Termékmenedzser Agenda Java alkalmazás grid Coherence Topológiák Architektúrák

Részletesebben

MPP Adattárház Teradata alapokon

MPP Adattárház Teradata alapokon MPP Adattárház Teradata alapokon Tanulmány az Adatbázisok haladóknak c. tárgyhoz Lévai Ákos PRISE Kft. 2012/2013 tanév I. félév Tartalomjegyzék BEVEZETÉS...3 ELŐZMÉNYEK...3 AZ MPP ADATTÁRHÁZ...3 ADATTÁRHÁZAKRÓL

Részletesebben

Kővári Attila, BI projekt

Kővári 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

Részletesebben

IBM Software Group Archiválási technológiák - tartalomkezelés Kovács László Az információ kezelésének evolúciója Struktúrált adatok kezelése '60s Alkalmazások '70s Adatbázisok alkalmazásokra optimalizálva

Részletesebben

Oracle adatkezelési megoldások helye az EA világában. Előadó: Tar Zoltán

Oracle 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

Részletesebben

Copyright 2013, Oracle and/or its affiliates. All rights reserved.

Copyright 2013, Oracle and/or its affiliates. All rights reserved. 1 Copyright 2013, Oracle and/or its affiliates. All rights reserved. The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated

Részletesebben

VIR alapfogalmai. Előadásvázlat. dr. Kovács László

VIR 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

Részletesebben

Windows Server 2012: a felhő OS

Windows Server 2012: a felhő OS Windows Server 2012: a felhő OS Minden alapképesség gyökeresen átalakul: biztonság, fájlszerver, hálózat, storage, szerver és desktop virtualizáció, távelérés, felügyelet Az operációs rendszer több, korábban

Részletesebben

CMDB architektúra megjelenítése SAMU-val Rugalmas megoldás. ITSMF 2015. 10. 30. Bekk Nándor Magyar Telekom / IT szolgáltatás menedzsment központ

CMDB architektúra megjelenítése SAMU-val Rugalmas megoldás. ITSMF 2015. 10. 30. Bekk Nándor Magyar Telekom / IT szolgáltatás menedzsment központ CMDB architektúra megjelenítése SAMU-val Rugalmas megoldás ITSMF 2015. 10. 30. Bekk Nándor Magyar Telekom / IT szolgáltatás menedzsment központ Tartalom Nehézségeink CMDB adatok és függ ségek vizualizációja

Részletesebben

Az Oracle szakértelem mérése és fejlesztése

Az Oracle szakértelem mérése és fejlesztése Az Oracle szakértelem mérése és fejlesztése Gere István Oktatási igazgató A jól képzett IT szakemberek mérhetı üzleti eredményeket hoznak 900 30 120 Average Service Calls/Year 800

Részletesebben

Hadoop és használata az LPDS cloud-on

Hadoop és használata az LPDS cloud-on Hadoop és használata az LPDS cloud-on Bendig Loránd lbendig@ilab.sztaki.hu 2012.04.13 Miről lesz szó? Bevezetés Hadoop áttekintés OpenNebula Hadoop cluster az LPDS cloud-on Tapasztalatok, nyitott kérdések

Részletesebben

Cloud, Oracle tervezett célrendszerek, Exadata Database Machine adatbázisgép Fekete Zoltán, Principal sales consultant

<Insert Picture Here> Cloud, Oracle tervezett célrendszerek, Exadata Database Machine adatbázisgép Fekete Zoltán, Principal sales consultant Cloud, Oracle tervezett célrendszerek, Exadata Database Machine adatbázisgép Fekete Zoltán, Principal sales consultant The following is intended to outline our general product direction.

Részletesebben

Novell és Oracle: a csúcsteljesítményű, költséghatékony adatközpont megoldás. Sárecz Lajos Értékesítési konzultáns

Novell és Oracle: a csúcsteljesítményű, költséghatékony adatközpont megoldás. Sárecz Lajos Értékesítési konzultáns Novell és Oracle: a csúcsteljesítményű, költséghatékony adatközpont megoldás Sárecz Lajos Értékesítési konzultáns lajos.sarecz@oracle.com A Linux fejlődése Oracle: A Linux elkötelezettje Linux története

Részletesebben

Versenyelőnyszerzés az intelligens megoldások korában. Rehus Péter, SWG CEE, IS brand igazgató November 5.

Versenyelőnyszerzés az intelligens megoldások korában. Rehus Péter, SWG CEE, IS brand igazgató November 5. Versenyelőnyszerzés az intelligens megoldások korában Rehus Péter, SWG CEE, IS brand igazgató 2013. November 5. Az új korszak átformálja a üzleti folyamatokat Big Data, közösség, mobil és felhőalapú e-business

Részletesebben

Magic xpi 4.0 vadonatúj Architektúrája Gigaspaces alapokon

Magic xpi 4.0 vadonatúj Architektúrája Gigaspaces alapokon Magic xpi 4.0 vadonatúj Architektúrája Gigaspaces alapokon Mi az IMDG? Nem memóriában futó relációs adatbázis NoSQL hagyományos relációs adatbázis Más fajta adat tárolás Az összes adat RAM-ban van, osztott

Részletesebben

FELHŐ és a MAINFRAME. Irmes Sándor

FELHŐ és a MAINFRAME. Irmes Sándor FELHŐ és a MAINFRAME Irmes Sándor Változik az üzleti környezet Zavaró tényezők viharában Gartner: nexus of forces (összehangolt erőterek) Social: Mindenhol elérhető kapcsolattartás, egyre gazdagabb tartalommal

Részletesebben

A webanalitika változó világa 4 felvonásban

A 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

Részletesebben

SQL SERVER 2012 ÚJ TÁVLATOKAT NYIT AZ ADATBÁZIS PLATFORMOK TERÜLETÉN

SQL SERVER 2012 ÚJ TÁVLATOKAT NYIT AZ ADATBÁZIS PLATFORMOK TERÜLETÉN SQL SERVER 2012 ÚJ TÁVLATOKAT NYIT AZ ADATBÁZIS PLATFORMOK TERÜLETÉN SQL SERVER 2012 ÚJDONSÁGAI A 2012 tavaszán megjelent SQL Server 2012 új távlatokat nyit az adatbáziskezelő rendszerek területén. A folyamatos

Részletesebben

RDBMS fejlesztési irányok. Ferris Wheel (óriáskerék) Jim Gray törvényei. Elosztott adatbázisok problémái. Elosztott adatbázisok

RDBMS fejlesztési irányok. Ferris Wheel (óriáskerék) Jim Gray törvényei. Elosztott adatbázisok problémái. Elosztott adatbázisok 1 RDBMS fejlesztési irányok Column store Tömb adatmodell JIT fordító és vektorizált végrehajtás Ferris wheel (óriáskerék) Elosztott adatbázisok Ferris Wheel (óriáskerék) Optimalizált scan műveletek Table

Részletesebben

Vodafone 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 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

Részletesebben

Az információ hatalom. adatok. információ

Az 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

Részletesebben

Szoftveripar és üzleti modellek

Szoftveripar és üzleti modellek Szoftveripar és üzleti modellek Irodalom Michael A. Cusumano: The business of software Michael Hiltzik: Dealers of lightning Eric Raymond: A katedrális és a bazár Szoftver technológia Software engineering

Részletesebben

VvAaLlÓóSs IiıDdEeJjȷŰű OoDdSs goldengate alapokon a magyar telekomban

VvAaLlÓóSs 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

Részletesebben

Oracle Enterprise Manager: Az első teljesértékű felhő üzemeltetési megoldás

Oracle 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

Részletesebben

Mérésadatgyűjtő rendszer Oracle Database Appliance alapon. Szabad Miklós vezérigazgató-helyettes XperTeam ZRt. Budapest, Róbert Károly krt. 59.

Mérésadatgyűjtő rendszer Oracle Database Appliance alapon. Szabad Miklós vezérigazgató-helyettes XperTeam ZRt. Budapest, Róbert Károly krt. 59. Mérésadatgyűjtő rendszer Oracle Database Appliance alapon Szabad Miklós vezérigazgató-helyettes XperTeam ZRt. Budapest, Róbert Károly krt. 59. Tartalom Az XperTeam Zrt. története Referenciáink A közös

Részletesebben

Adatbázis rendszerek. dr. Siki Zoltán

Adatbázis 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

Részletesebben

MySQL kontra MongoDB programozás. SQL és NoSQL megközelítés egy konkrét példán keresztül

MySQL kontra MongoDB programozás. SQL és NoSQL megközelítés egy konkrét példán keresztül MySQL kontra MongoDB programozás SQL és NoSQL megközelítés egy konkrét példán keresztül Kardos Sándor sandor@component.hu Miről lesz szó? Miért érdemes őket összehasonlítani? MySQL általános jellemzői

Részletesebben

AZ IGAZI BIG DATA hogyan használják a világban és egyáltalán használják-e hazánkban?

AZ IGAZI BIG DATA hogyan használják a világban és egyáltalán használják-e hazánkban? AZ IGAZI BIG DATA hogyan használják a világban és egyáltalán használják-e hazánkban? Médiapiac 2015 Eger, 2015.03.18 Dévényi Edit Dunai Albert K&H Bank és Biztosító 1 Nem értek hozzá! Mi tart vissza? Túl

Részletesebben

Másolatképzési technikák és azok felhasználási lehetőségei

Másolatképzési technikák és azok felhasználási lehetőségei Másolatképzési technikák és azok felhasználási lehetőségei Godányi Géza Technical Account Manager EMC Magyarország Kft. 1 A belső másolatok előnye: Párhuzamos feldolgozás! Mentés / visszatöltés Oracle

Részletesebben

Amazon Web Services. Géhberger Dániel Szolgáltatások és alkalmazások 2013. március 28.

Amazon Web Services. Géhberger Dániel Szolgáltatások és alkalmazások 2013. március 28. Amazon Web Services Géhberger Dániel Szolgáltatások és alkalmazások 2013. március 28. Ez nem egy könyváruház? 1994-ben alapította Jeff Bezos Túlélte a dot-com korszakot Eredetileg könyváruház majd az elérhető

Részletesebben

Segítség, összementem!

Segítség, összementem! Segítség, összementem! Előadók: Kránicz László Irimi János Budapest, 2013. április 10. ITFI - Adatintegrációs Kompetencia Központ ITFI - Adatintegrációs Kompetencia Központ Tartalomjegyzék 2 Az Adattárház

Részletesebben

2009.04.29. 2009. április 24. INFO Savaria 2009 2. 2009. április 24. INFO Savaria 2009 4. 2009. április 24. INFO Savaria 2009 3

2009.04.29. 2009. április 24. INFO Savaria 2009 2. 2009. április 24. INFO Savaria 2009 4. 2009. április 24. INFO Savaria 2009 3 Négy adatbázis-kezelı rendszer összehasonlítása webes környezetben Sterbinszky Nóra snorav@gmail.com Áttekintés Növekvı igény hatékony adatbázis- kezelıkre a világhálón Hogyan mérhetı ezek teljesítménye

Részletesebben

Google App Engine az Oktatásban 1.0. ügyvezető MattaKis Consulting http://www.mattakis.com

Google App Engine az Oktatásban 1.0. ügyvezető MattaKis Consulting http://www.mattakis.com Google App Engine az Oktatásban Kis 1.0 Gergely ügyvezető MattaKis Consulting http://www.mattakis.com Bemutatkozás 1998-2002 között LME aktivista 2004-2007 Siemens PSE mobiltelefon szoftverfejlesztés,

Részletesebben

IT trendek és lehetőségek

IT trendek és lehetőségek Mivel készüljünk? IT trendek és lehetőségek Kovács András Üzleti hajtóerők Költséghatékonyság Produktivitás Ügyfélkezelés Meghatározó technológia trendek Operatív alkalmazások & alkalmazás fejlesztés Analitikus

Részletesebben

Papp Attila. BI - mindenkinek

Papp 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

Részletesebben

Self 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, 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,

Részletesebben

ADATTÁRHÁZ HATÉKONYSÁGNÖVELÉS, REDUNDANCIA CSÖKKENTÉS Frunza Zsolt ÜZLETI INTELLIGENCIA A JÖVŐ, AHOGY MI LÁTJUK

ADATTÁRHÁZ HATÉKONYSÁGNÖVELÉS, REDUNDANCIA CSÖKKENTÉS Frunza Zsolt ÜZLETI INTELLIGENCIA A JÖVŐ, AHOGY MI LÁTJUK ADATTÁRHÁZ HATÉKONYSÁGNÖVELÉS, REDUNDANCIA CSÖKKENTÉS Frunza Zsolt ÜZLETI INTELLIGENCIA A JÖVŐ, AHOGY MI LÁTJUK TARTALOM 2 1. Miért válik a Redundancia Menedzsment egyre fontosabb kérdéssé? 2. Mit értünk

Részletesebben

Infor PM10 Üzleti intelligencia megoldás

Infor 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

Részletesebben

MUMPS - a legfontosabb Adatbázis amiről (valószínűleg) soha nem hallott

MUMPS - a legfontosabb Adatbázis amiről (valószínűleg) soha nem hallott MUMPS - a legfontosabb Adatbázis amiről (valószínűleg) soha nem hallott Publikálta William Vorhies 2016 január 28-án publikáció eredeti nyelven : http://www.datasciencecentral.com/profiles/blogs/mumps-themost-important-database-you-probably-never-heard-of

Részletesebben

Prediktív analitikai megoldások bankok és biztosítók számára

Prediktív analitikai megoldások bankok és biztosítók számára Prediktív analitikai megoldások bankok és biztosítók számára Mi a Prediktív Analitika? A Prediktív Analitika segít kapcsolatot létesíteni az adatok és a tevékenységek közt úgy, hogy megbízható módon következtet

Részletesebben

Adatbányászat és Perszonalizáció az Oracle9i-ben

Adatbányászat és Perszonalizáció az Oracle9i-ben Adatbányászat és Perszonalizáció az Oracle9i-ben Oracle9i adatbányászat 2000. szeptember 6. Fekete Zoltán Palaczk Péter Agenda Oracle9i Database Teljes e-business Intelligence infrastruktúra Mi is az adatbányászat?

Részletesebben

Oracle Big Data koncepció. Stadler Gellért Vezető tanácsadó Oracle ConsulKng HTE 2015 Konferencia

Oracle Big Data koncepció. Stadler Gellért Vezető tanácsadó Oracle ConsulKng HTE 2015 Konferencia Oracle Big Data koncepció Stadler Gellért Vezető tanácsadó Oracle ConsulKng HTE 2015 Konferencia Copyright 2015, Oracle and/or its affiliates. All rights reserved. Oracle ConfidenKal Internal/Restricted/Highly

Részletesebben

Számítógéppel segített karbantartás menedzsment

Számítógéppel segített karbantartás menedzsment Számítógéppel segített karbantartás menedzsment Témák Mi is az a CMMS szoftver? Kiknek készültek a CMMS szoftverek? Milyen előnyt jelent a használatuk? Mi a különbség a szoftverek között? Szoftverhasználat

Részletesebben

Üzleti intelligencia - eszközöktől a megoldásokig

Üzleti intelligencia - eszközöktől a megoldásokig Atlanta Barcelona Berlin Vienna Budapest Bukarest Düsseldorf München Stuttgart Zurich www.ifua.hu Fekete Gábor ügyvezető partner 2007. március 21. Üzleti intelligencia - eszközöktől a megoldásokig IFUA

Részletesebben

Szárnyas Gábor (BME) diáinak felhasználásával. https://www.db.bme.hu/targyak/adatbazisok-haladoknak

Szárnyas Gábor (BME) diáinak felhasználásával. https://www.db.bme.hu/targyak/adatbazisok-haladoknak Szárnyas Gábor (BME) diáinak felhasználásával https://www.db.bme.hu/targyak/adatbazisok-haladoknak Codd: A Relational Model of Data for Large Shared Data Banks, 1970 1970-es évek eleje: SEQUEL (Structured

Részletesebben

Portfóliónk áttekintése

Portfóliónk áttekintése Accelerating Your Success Portfóliónk áttekintése 2012. szeptember Az Avnet Technology Solutions vállalati számítástechnikai megoldások, szolgáltatások, szoftver és hardver globális ITmegoldásdisztribútora.

Részletesebben

Analitikai megoldások IBM Power és FlashSystem alapokon. Mosolygó Ferenc - Avnet

Analitikai megoldások IBM Power és FlashSystem alapokon. Mosolygó Ferenc - Avnet Analitikai megoldások IBM Power és FlashSystem alapokon Mosolygó Ferenc - Avnet Bevezető Legfontosabb elvárásaink az adatbázisokkal szemben Teljesítmény Lekérdezések, riportok és válaszok gyors megjelenítése

Részletesebben

Oracle Enterprise Metadata Management

Oracle 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

Részletesebben

Konszolidáció és költségcsökkentés a gyakorlatban. Az Országos Tisztifőorvosi Hivatal Oracle adatbázis konszolidációja

Konszolidáció és költségcsökkentés a gyakorlatban. Az Országos Tisztifőorvosi Hivatal Oracle adatbázis konszolidációja Konszolidáció és költségcsökkentés a gyakorlatban Az Országos Tisztifőorvosi Hivatal Oracle adatbázis konszolidációja Az Xperteam Zrt. Szolgáltatásaink Oracle termékekkel kapcsolatos kiemelkedő szakismeret:

Részletesebben

A virtualizáció a modern vállalati informatikai infrastruktúra alapja

A virtualizáció a modern vállalati informatikai infrastruktúra alapja A virtualizáció a modern vállalati informatikai infrastruktúra alapja Bodnár Ádám a-adbodn@microsoft.com Server Product Marketing Manager Microsoft Magyarország 0 Miről lesz ma szó? A virtualizáció Mire

Részletesebben

BIG DATA A H I VATA L O S S TAT I S Z T I K Á B A N

BIG DATA A H I VATA L O S S TAT I S Z T I K Á B A N BIG DATA A H I VATA L O S S TAT I S Z T I K Á B A N ADATÁRADAT 2,5 exabyte (10 18 ) adatot állítunk elő minden áldott nap (ennek a kétszerese arra elég, hogy az emberiség által valaha kimondott összes

Részletesebben

Szolgáltatás Modellezés. Tivoli Business Service Management

Szolgáltatás Modellezés. Tivoli Business Service Management Szolgáltatás Modellezés Tivoli Business Service Management Üzleti Szolgáltatás Felügyelet 2 Üzleti Szolgáltatás: alkalmazások, köztes alkalmazások, biztonsági, tároló, hálózati, és más infrastruktúra elemek

Részletesebben

INFORMÁCI CIÓS ERŐFORRÁSOK ÉS RENDSZEREK

INFORMÁCI CIÓS ERŐFORRÁSOK ÉS RENDSZEREK INFORMÁCI CIÓS ERŐFORRÁSOK ÉS INFORMÁCI CIÓS RENDSZEREK Milyen ismereteket sajátítunk tunk el e téma keretében? Adat Információ Tudás Az információ mint stratégiai erőforrás A vállalat információs rendszere

Részletesebben

Csalásfelderítés és előrejelzési megoldás. 2014. május 20.

Csalásfelderítés és előrejelzési megoldás. 2014. május 20. Csalásfelderítés és előrejelzési megoldás Szász Viktor IBM BA Technical Presales 2014. május 20. A kockázat besorolás egy folyamatos egyensúlyozás... Az Üzleti Analitika segít az egyes célok hatékonyságának

Részletesebben

Innovatív trendek a BI területén

Innovatív trendek a BI területén Innovatív trendek a BI területén 1 Technológiai trendek 3 BI-TREK kutatás Felmérés az üzleti intelligencia hazai alkalmazási trendjeiről Milyen BI szoftvereket használnak a hazai vállalatok? Milyen üzleti

Részletesebben

Önálló laboratórium beszámoló

Önálló laboratórium beszámoló Önálló laboratórium beszámoló BME-TMIT Készítette: Sümeghy Tamás Pál Neptun-kód: GFHSRE Szak: műszaki informatikus Szakirány: Internet és infokommunikációs alkalmazásai E-mail cím: schumy@sch.bme.hu Konzulens(ek):

Részletesebben

Szoftverarchitektúrák 3. előadás (második fele) Fornai Viktor

Szoftverarchitektúrák 3. előadás (második fele) Fornai Viktor Szoftverarchitektúrák 3. előadás (második fele) Fornai Viktor A szotverarchitektúra fogalma A szoftverarchitektúra nagyon fiatal diszciplína. A fogalma még nem teljesen kiforrott. Néhány definíció: A szoftverarchitektúra

Részletesebben

Oracle cloudforgatókönyvek

Oracle cloudforgatókönyvek Oracle cloudforgatókönyvek Tóth Csaba vezető architect 1 A PUBLIKUS FELHŐ piaci növekedése 207 MILLIÁRD $ $109 MILLIÁRD $ $91 MILLIÁRD $ 2011 2012 2016 2 Source: Gartner PRIVÁT PUBLIKUS HIBRID 3 ÜZLETI

Részletesebben

Az MTA Cloud a tudományos alkalmazások támogatására. Kacsuk Péter MTA SZTAKI

Az MTA Cloud a tudományos alkalmazások támogatására. Kacsuk Péter MTA SZTAKI Az MTA Cloud a tudományos alkalmazások támogatására Kacsuk Péter MTA SZTAKI Kacsuk.Peter@sztaki.mta.hu Tudományos alkalmazások és skálázhatóság Kétféle skálázhatóság: o Vertikális: dinamikusan változik

Részletesebben

Az információs rendszerek adatai

Az információs rendszerek adatai Az információs rendszerek adatai Nagy mennyiségű adat Tárolás Karbantartás Visszakeresés, feldolgozás Adatbázis 2 Az adatbázis fogalma Az adatbázis együtt tárolt, egymással kapcsolatban levő adatok rendszere.

Részletesebben

Ön a megfelelő mennyiségű és minőségű információk alapján hozza meg döntéseit? Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16.

Ön a megfelelő mennyiségű és minőségű információk alapján hozza meg döntéseit? Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16. Ön a megfelelő mennyiségű és minőségű információk alapján hozza meg döntéseit? Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16. Tracsek Ferenc igazgató Alapvető változások kora Az IT iparágban alapvető

Részletesebben

Az információs rendszerek adatai

Az információs rendszerek adatai Az információs rendszerek adatai Nagy mennyiségű adat Tárolás Karbantartás Visszakeresés, feldolgozás Adatbázis 2 Az adatbázis fogalma Az adatbázis együtt tárolt, egymással kapcsolatban levő adatok rendszere.

Részletesebben

TRL Hungary Kft. Cégismertető. TRL Hungary Kft. www.trl.hu

TRL Hungary Kft. Cégismertető. TRL Hungary Kft. www.trl.hu Cégismertető www.trl.hu Cégismertető A 2000. óta Magyarország, Szlovénia, Horvátország, Finnország és a balti államok regionális Maconomy disztribútora. A ezenkívül Európától Ázsiáig számos nemzetközi

Részletesebben

StoreWay, Bull tárolórendszer

StoreWay, Bull tárolórendszer StoreWay, Bull tárolórendszer Philippe REYNIER, Vezető storage szakértő 2007. március 29. Budapest Üzleti kihívások Dematerializáció Vállalati fúziók & felvásárlások Új technológiák Globális electronikus

Részletesebben

Alkalmazott Informatikai Nap Dyntell Business Intelligence

Alkalmazott Informatikai Nap Dyntell Business Intelligence Alkalmazott Informatikai Nap Dyntell Business Intelligence Salga Péter 2015. 10.16. 1 / 13 Miért ültök itt? 2 / 13 Cashflow négyszög 3 / 13 Mit csinál a vezető? 4 / 13 Mi a legfontosabb tudás a vezetőnek?

Részletesebben

Vezeték nélküli hálózatok biztonsága 2014. október 8. Cziráky Zoltán ügyvezető igazgató vállalati hálózatok

Vezeték nélküli hálózatok biztonsága 2014. október 8. Cziráky Zoltán ügyvezető igazgató vállalati hálózatok Vezeték nélküli hálózatok biztonsága 2014. október 8. Cziráky Zoltán ügyvezető igazgató vállalati hálózatok Vezeték nélküli hálózatok biztonsága A mobil adatforgalom rohamos növekedése egyre magasabb szintre

Részletesebben

Közeli jövőkép az üzleti intelligenciáról

<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

Részletesebben

NoSQL technológiák. NoSQL Fórum Budapest, 2016. március 23. Diasablon: http://www.slidescarnival.com/ - a fotók sajátok :)

NoSQL technológiák. NoSQL Fórum Budapest, 2016. március 23. Diasablon: http://www.slidescarnival.com/ - a fotók sajátok :) NoSQL technológiák az -nál NoSQL Fórum Budapest, 2016. március 23. Diasablon: http://www.slidescarnival.com/ - a fotók sajátok :) ! Ó L L E H Nádai Gábor avagy Mefi Lead dev az ingatlan.com Frontend csapatában

Részletesebben

Vállalati információs rendszerek I, MIN5B6IN, 5 kredit, K. 4. A meghirdetés ideje (mintatanterv szerint vagy keresztfélében):

Vállalati 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

Részletesebben

ProofIT Informatikai Kft. 1115 Budapest, Petzvál J. 4/a www.proofit.hu

ProofIT Informatikai Kft. 1115 Budapest, Petzvál J. 4/a www.proofit.hu Verzióváltások az üzleti folytonosság fenntartásával a MOL kiskereskedelmi rendszerében Fehér Lajos ProofIT Kft. Hogyan keletkezett a HBO a MOL alapvetései miért egyedi fejlesztés? Sajátos igényeknek megfelelő

Részletesebben

30 MB INFORMATIKAI PROJEKTELLENŐR

30 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

Részletesebben

Döbrönte Zoltán. Data Vault alapú adattárház - Fél óra alatt. DMS Consulting Kft.

Döbrönte 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

Részletesebben

IP alapú távközlési hálózatok

IP alapú távközlési hálózatok SCI-Network Távközlési és Hálózatintegrációs zrt. T.: 467-70-30 F.: 467-70-49 IP alapú távközlési hálózatok info@scinetwork.hu www.scinetwork.hu Nem tudtuk, hogy lehetetlen, ezért megcsináltuk. 15. Távközlési

Részletesebben

Palaczk Péter A marketing folyamatok adattárház alapú támogatása

Palaczk Péter A marketing folyamatok adattárház alapú támogatása Palaczk Péter A marketing folyamatok adattárház alapú támogatása A hatékony marketingtámogatás alapjai Infrastrukturális feltételek Működő vállalati adattárház Megbízható ügyféladatok Beüzemelt adatbányászati

Részletesebben

Copyright 2012, Oracle and/or its affiliates. All rights reserved.

Copyright 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

Részletesebben

Oracle adatbázis biztonság a gyakorlatban és 12c újdonságok

Oracle adatbázis biztonság a gyakorlatban és 12c újdonságok Oracle adatbázis biztonság a gyakorlatban és 12c újdonságok Mosolygó Ferenc 2014. Október 2. Gyakorlati tapasztalatok 2 2013 Data Breach Investigation Report Verizon 67 % Az adatok 67%-át szerverekről

Részletesebben

DigiTerra fejlesztési eredmények

DigiTerra fejlesztési eredmények DigiTerra fejlesztési eredmények Nyugat-Magyarországi Egyetem Geoinformatikai Főiskolai Kar 2004. március 18. Előadó: Nyull Balázs DigiTerra Kft. DigiTerra Informatikai Szolgáltató Kft. Tevékenységek Erdészeti

Részletesebben