Adattárház és BigData Szimbiózisa. Baranyi Szabolcs IM Technical Sales
|
|
- Zsófia Dudás
- 7 évvel ezelőtt
- Látták:
Átírás
1 Adattárház és BigData Szimbiózisa Baranyi Szabolcs IM Technical Sales
2 BigData adatforrásai
3 Adattárház kiterjesztés igénye BigData és adattárház integrációja a hatékonyság növelésére úja adatforrások használatára Adatok sokféleségének kiaknázása Struktúrált, struktúrálatlan adatforrások előkészítése előfeldolgozása (landing zone) Kis késleltetésű analitika Csak olvasható lekérdezhető archív Kiterjesztett adattárház Adatbázis tehermentesítés ritkán használt adatok hadoop környezetbe mozgatásával Csökkentett storage és ETL költség a valós idejű feldolgozás alkalmazásával. Adattárház performancia növelés, tehermentesítés staging zóna kiemelése
4 Kiterjesztés főbb útjai 1 Előfeldolgozás 2 Elemezhető archív 3 Adatforrás felfedezés
5 Tradícionális DW és Big Data Tradícionális Adattárház Struktúrált, rutinszerű Big Data Megközelítés Iteratív, felfedező Business: Előredefiniált üzleti kérdések IT: Platformot biztosít az önálló felfedezéshez IT Célirányos Struktúrált adatok az üzleti kérdések megválaszolására Rendszeres riportok Profitability analysis Customer surveys Business: Áttekintő elemzés, koreláció keresés Brand image Stratégia Marketing
6 Tradícionális: Előzetes Üzleti modell vezérelte tervezés Üzleti igények, definíciók Megválaszolandó üzleti kérdés Új igények, Új fejlesztések, Redesign IT megoldás tervezés, meghatározott funkcionalitással és struktúrákkal Üzleti napi használat, lekérdezések napi riportok, ad-hoc query-k 27 May 2014
7 Big Data Analitika: Információ vezérelt felfedezés Üzlet és IT meghatározza az elérhető adatforrásokat Felmerült új dimenziók igények vezérelte tradícionális fejlesztés IT felépíti a platformot, alap adatmodelleket ami lehetővé teszi a kreatív analízist Üzlet az adatok közti összefüggéseket keresi, meghatározza a mélyebb analízis kérdéseit adatköreit 27 May 2014
8 BigInsights mint DWH előtét Big Data Analitikai alkalmazások BigInsights Adattárház Tradícionális analitika Filter Transform Aggregate
9 BigInsights mint DWH archív Tradícionális analitika Big Data analitika BigInsights Adattárház Lekérdezhető, analizálható archív
10 Big Data teljes rendszer komponensek Ingestion and Real-time Analytic Zone Ingest Filter, Transform Analytics and Reporting Zone Correlate, Classify Warehousing Zone Query Engines Cubes Data Sinks Connectors Extract, Annotate Landing and Analytics Sandbox Zone Enterprise Warehouse Descriptive, Predictive Models Analytics MapReduce Hive/HBase Col Stores Indexes, facets Data Marts Widgets Discovery, Visualizer Search Ingest Documents In Variety of Formats Models Metadata and Governance Zone Repository, Workbench
11 Adattárház és Adatpiac modell Design Models Business Vocabulary Atomic Warehouse Models Dimensional Models Supportive Terms Business Terms Reporting Models Atomi Adattárház Üzleti Szótár Mind Hadoop mind RDBMS-re Landing Area Atomi Adattárház Adatpiac Közös szemantikus referencia Dimenzió modell Adatpiacok, DWH célgépek Hadoop Landing Area Zone Hadoop RDBMS RDBMS Integrated Warehouse & Marts Zone Metadata Catalogue Information Governing Systems Üzleti szótár Metaadattár
12 Adatfolyam Adatforrástól az Adatpiacig New Sources Landing Area Atomic Warehouse Dimensional Data & Marts Legacy Sources Master & Reference Data Hubs Content Repositories Shared Operational Information Zone Hadoop Landing Area Zone Hadoop RDBMS RDBMS Integrated Warehouse & Marts Zone Metadata Catalogue Information Governing Systems
13 Adathozzáférés az adatpiactól az Integrációs rétegig Landing Area Atomic Warehouse Dimensional Data & Marts Business Users Hadoop Hadoop RDBMS RDBMS Landing Area Zone Integrated Warehouse & Marts Zone Metadata Catalogue Information Governing Systems
14 Big SQL Univerzális SQL interfész SQL elérés Hadoop környezethez IBM SQL -based Application IBM data server client Magasszintű SQL támogatás Megszokott szabványos Adatbázis kliensek (JDBC, ODBC) teljes támogatása Big SQL Engine SQL MPP Run-time Data Sources IBM embedded SQL complier támogatás HiveTables HBase tables CSV Files BigInsights / Hadoop
15 1. Vizualizáció transzformáció modellezés hatékony R nyelven IBM BigInsights BigR R Clients 2. R kiterjesztése Partícionálás, Parallel sokcsomópontos feldolgozás Szinte bármely R csomag használható 3. Skálázható fejlett statisztikai rendszer Data Sources R Packages 1 3 Scalable Statistic s Engine 2 R Packages Embedded R Execution
16 Alkalmazási Példa: logelemzés
17 Alkalmazás: Ügyfél teljes áttekintés SOURCE SYSTEMS CRM Name: J Robertson Address: 35 West 15 th Address: Pittsburgh, PA ERP Name: Janet Robertson Address: 35 West 15 th St. Address: Pittsburgh, PA Legacy Name: Address: Jan Robertson 36 West 15 th St. Address: Pittsburgh, PA Master Data Management 360 View of Party Identity First: Janet Last: Robertson Address: 35 West 15 th St City: State/Zip: Pittsburgh PA / Unified View of Party s Information Gender: F Age: DOB: 48 1/4/64 BigInsights Unified View of Party s Information Streams Warehouse
18 Adattárház kiterjesztés esettanulmány Megnövelt analitikai teljesítmény 40X gyorsabb lekérdezés kisebb válaszidők órák helyett percek, kampány hatékonyság 20% kal növekedett Adattárház kiterjesztés előnyei? Nagy adatmennyiség (TB PB) kezelése, optimális storage költség Új adatforrások és adattípusok analízisbe bevonása Csökkentett működési költségek Adattárház mindenféle adatforrásra Adattárház (RDBMS) tehermentesítése Inakív, ritkán használt adatoktól Adatfolyam feldolgozás letárolás nélkül, Adattárház előfeldolgozó Analízis korelláció keresés új adatforrásokon Újfajta analitika alkalmazása Megszokott Eszközök használata az új Big Data környezetben
IBM Big Data Portfólió Áttekintés
IBM Big Data Portfólió Áttekintés Baranyi Szabolcs +36 20 823 5619 Szabolcs.baranyi@hu.ibm.com September 9, 2013 Tartalom Big Data Platform Big Insight InfoSphere BigInsights Quick Start Edition Streams
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
RészletesebbenSAS Enterprise BI Server
SAS Enterprise BI Server Portik Imre vezető szoftverkonzulens SAS Institute, Magyarország A SAS helye a világban 280 iroda 51 országban 10,043 alkalmazott 4 millió felhasználó világszerte 41,765 ügyfél
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
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
RészletesebbenBig 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
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
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
RészletesebbenA tudás handrendbe állítása, azaz SPSS PES
A tudás handrendbe állítása, azaz SPSS PES...és hogyan történt mindez a Vodafone Hungary Zrt-nél Cseh Zoltán, PhD konzultációs igazgató SPSS Hungary Hagyományos hadászati egységek Légi elhárítás Gyalogság
RészletesebbenÜzleti 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
RészletesebbenWaberer s BI a BO-n túl. WABERER S INTERNATIONAL Nyrt. Szatmári Johanna, Tobak Tamás
Waberer s BI a BO-n túl WABERER S INTERNATIONAL Nyrt. Szatmári Johanna, Tobak Tamás 2018.09.10 Tartalom Kik vagyunk a Waberer s számokban Digitális transzformáció a Waberer s-nél Üzleti igények és kihívások
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
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
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
RészletesebbenVáratlan kérdések megválaszolása Oracle Information Discovery magyar környezetben
Váratlan kérdések megválaszolása Oracle Information Discovery magyar környezetben 2013. november 7. Budapest BI Fórum 1 2013 Oracle Corporation Radnai Szabolcs Oracle - BI BDM ECEMEA Szekeres Péter Neticle
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
RészletesebbenVajon mit ajánlunk IM témakörben?
Kattintson ide szöveg hozzáadásához Vajon mit ajánlunk IM témakörben? DBs, Archiving, Security, DWH, Appliances, Social Network, Visualization Information Management Információ kezelés ~ Information Management
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
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
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
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
RészletesebbenA USER Kft - mint Open Text partner - bemutatása
A USER Kft - mint Open Text partner - bemutatása SAP konferencia 2008.szeptember 22. Tihany Copyright 2008 Open Text Inc. All rights reserved. Kárász Vilmos Sales Manager USER KFT vilmos.karasz@user.hu
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
RészletesebbenCOMPANY PROFILE SZOFI ALGORITHMIC RESEARCH KFT
COMPANY PROFILE SZOFI ALGORITHMIC RESEARCH KFT WWW.SZOFIUSA.COM CÉGTÖRTÉNET 1990 Alapítás 1990 Informatikai fejlesztések kezdete 1992 Felsőfokú informatikai képzési rendszer kidolgozása a kormányzat részére
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
RészletesebbenAnalitikus CRM. Radnai Szabolcs Szabolcs.Radnai@oracle.com
Analitikus CRM Radnai Szabolcs Szabolcs.Radnai@oracle.com Integrált CRM megoldások A CRM a legfontosabb hajtóerő az adattárház/adatpiaci rendszerek kiépítésére Mûködõ rendszerek Ttranzakciók Adatpiacok
RészletesebbenMeglévő adataiból üzleti információt a gondolat sebességével SAP üzleti intelligencia in-memory alapokon IQSymposium Üzleti Intelligencia 2012
Meglévő adataiból üzleti információt a gondolat sebességével SAP üzleti intelligencia in-memory alapokon IQSymposium Üzleti Intelligencia 2012 Berczik Márton Takács Béla, SAP Hungary Kft. 2012. április
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
RészletesebbenMMK-Informatikai projekt ellenőr képzés 4
Miről lesz szó Big Data definíció Mi a Hadoop Hadoop működése, elemei Köré épülő technológiák Disztribúciók, Big Data a felhőben Miért, hol és hogyan használják Big Data definíció Miért Big a Data? 2017.
RészletesebbenÖnkiszolgáló BI infrastruktúra az adatvezérelt teljesítménymenedzsmentben
Önkiszolgáló BI infrastruktúra az adatvezérelt teljesítménymenedzsmentben Microsoft Future Decoded 2018.03.21. Krizsanovich Péter Ügyvezető igazgató, Stratégiai-, Tervezési és Controlling Igazgatóság Horváth
RészletesebbenÉlet 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
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
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
RészletesebbenGENERÁCIÓS 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
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
RészletesebbenData 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,
RészletesebbenTakács Gábor mérnök informatikus, okl. mérnöktanár
Takács Gábor mérnök informatikus, okl. mérnöktanár takacsg@sze.hu http://rs1.sze.hu/~takacsg/ Big Data Definition Big Data is data that can t be stored or analyzed using traditional tools. Információ tartalom,
RészletesebbenPentaho 4: Mindennapi BI egyszerűen. Fekszi Csaba Ügyvezető 2011. október 6.
Pentaho 4: Mindennapi BI egyszerűen Fekszi Csaba Ügyvezető 2011. október 6. 1 2 3 4 5 Bevezetés Pentaho-ról röviden - áttekintő Mindennapi BI egyszerűen a Pentaho 4 újdonságai Pentaho összefoglaló Alkalmazás
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.
RészletesebbenBI kicsiknek és nagyoknak
BI kicsiknek és nagyoknak Radnai Szabolcs Üzleti intelligencia és Adattárház üzletág vezető Kezdjük egy egyszerű megállapítással Az Önök vállalatánál mindenki jobban tudja végezni
RészletesebbenMPP 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
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
RészletesebbenAz üzleti analitika meghatározó szerepe az ügyfélélmény területén. Radnai Szabolcs Üzletfejlesztési igazgató ECEMEA BA
Az üzleti analitika meghatározó szerepe az ügyfélélmény területén Radnai Szabolcs Üzletfejlesztési igazgató ECEMEA BA Trabant 601 1964-1991 2 Az ügyfél egyéni bánásmódra vágyik Ügyfél interakciók optimalizálása
Részletesebbendashboard technika segítségével Dobos Zoltán IBM Business Analytics
Online pénzügyi kimutatások dashboard technika segítségével Dobos Zoltán IBM Business Analytics Volatilitás és sebesség az új normák A pénzügyi vezetők 60%-a hiszi, hogy a bár a válság elmúlik, de a fokozott
Részletesebben<Insert Picture Here> Jelentéskészítés és elemzés térképes megjelenítési támogatással Location Intelligence
Jelentéskészítés és elemzés térképes megjelenítési támogatással Location Intelligence Radnai Szabolcs Oracle BI BDM ECEMEA Mi is a térbeli adat? Spatial: Minden polgári személy címadata
RészletesebbenÜZLETI I TELLIGE CIA - VIZUALIZÁCIÓ
Budapest Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék ÜZLETI I TELLIGE CIA - VIZUALIZÁCIÓ Elméleti segédanyag Készítette: Kovács Dániel László 2007. november Tartalomjegyzék
Részletesebben1 Copyright 2011, Oracle and/or its affiliates. All rights reserved.
1 Copyright 2011, Oracle and/or its affiliates. All rights Elemzések a gondolat sebességével Oracle Exalytics BI Machine 2011 Nov. 22 Radnai Szabolcs Oracle BI BDM ECEMEA Üzleti kihívások, hajtóerők A
RészletesebbenBig 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
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
Részletesebbenwebalkalmazások fejlesztése elosztott alapon
1 Nagy teljesítményű és magas rendelkezésreállású webalkalmazások fejlesztése elosztott alapon Nagy Péter Termékmenedzser Agenda Java alkalmazás grid Coherence Topológiák Architektúrák
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
RészletesebbenSAP SZOFTVERHASZNÁLATI JOGOK
SAP SZOFTVERHASZNÁLATI JOGOK PREAMBULUM...5 1. LICENCVÉTELI ALAPELVEK / HASZNÁLATI SZABÁLYOK...5 2. MÉRŐSZÁMOK...8 3. CSOMAGSPECIFIKUS FELTÉTELEK / HASZNÁLATI SZABÁLYOK...9 1. sz. melléklet - Öröklött
Részletesebben<Insert Picture Here> Az archiválás megközelítése az ILM felől (Information Lifecycle Management)
Az archiválás megközelítése az ILM felől (Information Lifecycle Management) Sárecz Lajos Technológiai tanácsadó A probléma Mi az az Információ életciklus kezelés
RészletesebbenÚjdonságok. Jancsich Ernő Ferenc
Újdonságok Jancsich Ernő Ferenc Microsoft Dynamics NAV o Világszerte, több, mint 110 000 ezer kis- és középvállalat választotta a Microsoft Dynamics NAV rendszert növekedésének támogatásához. o Ez közel
RészletesebbenKlotz Tamás earchitect Oracle
Klotz Tamás earchitect Oracle Vállalati információ kezelés Az információ érték, vagyon (tőke) Az információ folyam maximalizálhatja a tőkét Tervezés Szolgáltatás Együttműködés Tranzakció feldolgozás Döntés
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
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
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
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
RészletesebbenRendszermodernizációs lehetőségek a HANA-val Poszeidon. Groma István PhD SDA DMS Zrt.
Rendszermodernizációs lehetőségek a HANA-val Poszeidon Groma István PhD SDA DMS Zrt. Poszeidon EKEIDR Tanúsított ügyviteli rendszer (3/2018. (II. 21.) BM rendelet). Munkafolyamat támogatás. Papírmentes
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
RészletesebbenAz adatvagyon kezelés és a metaadatok. Gollnhofer Gábor DMS Consulting
Az adatvagyon kezelés és a metaadatok Gollnhofer Gábor DMS Consulting 1 Nagyon rövid bevezetés az adatvagyon kezelésbe Big Data és elemzések, adattárház és önkiszolgáló BI - napjaink sláger témái. Ugyanakkor
RészletesebbenIBM új generációs adattárház megoldások
Baranyi Szabolcs, IBM Magyarországi Kft. baranyi@hu.ibm.com Kattintson 2012. júniuside 12.szöveg hozzáadásához IBM új generációs adattárház megoldások BigData és DB2 V10 Napirend Big Data IBM Big Data
Részletesebben<Insert Picture Here> Oracle üzleti intelligencia
Oracle üzleti intelligencia Fekete Zoltán Oracle üzleti intelligencia és adattárház termékmenedzser Highly Scalable BI Foundation EPM Workspace Performance Management Applications
RészletesebbenS&T &T Unit Un is Magyar o szág szág Kf t. 2009. november 5.
S&T Unitis Magyarország Kft. BusinessObjects bemutató 2009. november 5. Az Üzleti Intelligencia A fogalmat először Hans Peter Luhn használta 1958-ban. A business kifejezés alatt valamilyen cél elérése
RészletesebbenAdatbányászat 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?
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
RészletesebbenDIGITALIZÁCIÓ KINEK MI? AVAGY A KIKERÜLHETETLEN ÖSVÉNY A SIKERES VERSENYKÉPESSÉG ÉRDEKÉBEN.
DIGITALIZÁCIÓ KINEK MI? AVAGY A KIKERÜLHETETLEN ÖSVÉNY A SIKERES VERSENYKÉPESSÉG ÉRDEKÉBEN. Magyari Péter 20+y multi janicsár & Digital CX Transf. Coach Safe Harbor Statement This presentation is intended
RészletesebbenFelhő alkalmazások sikerének biztosítása. Petrohán Zsolt Zsolt.petrohan@oracle.com
Felhő alkalmazások sikerének biztosítása Petrohán Zsolt Zsolt.petrohan@oracle.com Safe Harbor The following is intended for information purposes only, and may not be incorporated into any contract. It
RészletesebbenSAP BusinessObjects Enterprise XI R3 új funkcionalitások
Az alábbi anyag szakmai összefoglaló, az SAP Business Objects Enterprise XI R3 -ban megjelenı, a korábbi SAP Business Objects Enterprise XI R2-ben nem, vagy csak korlátozott módon meglévı funkcionalitásokról.
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
RészletesebbenADATTÁRHÁZAK MINŐSÉGBIZTOSÍTÁSA
Örülök, hogy találkoztunk! ADATTÁRHÁZAK MINŐSÉGBIZTOSÍTÁSA KŐVÁRI ATTILA BI PROJEKT 1. Oldal - Adattárház fórum 2014 Adattárházak minőségbiztosítása Kővári Attila BI projekt Miért éppen minőségbiztosítás?
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
RészletesebbenOracle 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
RészletesebbenÉrettségi tétel az IT vizsgán: Felhő
Érettségi tétel az IT vizsgán: Felhő Zsemlye Tamás Október 05, 2014 HTE Infokomm 2014 DEFINÍCIÓ 3 ÚT A FELHŐ FELÉ Standardizált -> Virtualizált -> Menedzselt -> Dinamikus -> Automatizált 4 4 REFERENCIA
RészletesebbenHadoop 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
RészletesebbenIBM Software Group Archiválási technológiák - tartalomkezelés Kovács László Az információ kezelésének evolúciója Struktúrált adatok kezelése '60s Alkalmazások '70s Adatbázisok alkalmazásokra optimalizálva
RészletesebbenSAP SZOFTVERHASZNÁLATI JOGOK
SAP SZOFTVERHASZNÁLATI JOGOK 1. LICENCVÉTELI ALAPELVEK / HASZNÁLATI SZABÁLYOK... 5 2. MÉRŐSZÁMOK... 6 3. CSOMAGSPECIFIKUS FELTÉTELEK / HASZNÁLATI SZABÁLYOK... 7 1. sz. melléklet - Öröklött SBOP Szoftverek...
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
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
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
RészletesebbenThe nontrivial extraction of implicit, previously unknown, and potentially useful information from data.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Adatelemzés intelligens módszerekkel Hullám Gábor Adatelemzés hagyományos megközelítésben I. Megválaszolandó
RészletesebbenBest Practices for TrusBest Practices for Trusted Digital Repositories in HOPE. ted Digital Repositories in HOPE.
Best Practices for TrusBest Practices for Trusted Digital Repositories in HOPE. ted Digital Repositories in HOPE. OAIS alapú digitális archívumok: best practice and HOPE (2010-2013) http://www.peoplesheritage.eu/pdf/d5_1_grant250549_ho
RészletesebbenÜzleti intelligencia 2. RENDSZEREZÉS 3. ELEMZÉS. vállalati adattárház. adattárolás. operatív adattár. A vállalati információellátás ciklusa
Krauth Péter Tézis: Az üzleti intelligenciát biztosító technológiák nemcsak a nagyvállalatoknál segítik elő integrált információgazdákodási rendszerek létrejöttét, hanem az adatok egyre változatosabb körét
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
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
RészletesebbenBI modul a lízing üzletágban. 2007 márc. 21. Előadó: Salamon András
BI modul a lízing üzletágban 2007 márc. 21. Előadó: Salamon András Rövid cég- és terméktörténet Lízing fejlesztések, K+F 1996 óta Lízing éles rendszer 1999 óta Új név: AdviseSoft Kft. 2002 óta Jelenleg:
RészletesebbenÉlet a Warehouse Builder után, avagy mit hoz a Data Integrator? Szabó Gábor Csoportvezető, Vezető tanácsadó Üzleti Intelligencia. R&R Software Zrt.
Élet a Warehouse Builder után, avagy mit hoz a Data Integrator? Oracle Day 2011 2011. november 8. Szabó Gábor Csoportvezető, Vezető tanácsadó Üzleti Intelligencia R&R Software Zrt. A téma aktualitása Miért
RészletesebbenNovell 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
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,
RészletesebbenSAP SZOFTVERHASZNÁLATI JOGOK
SAP SZOFTVERHASZNÁLATI JOGOK PREAMBULUM... 5 1. LICENCVÉTELI ALAPELVEK / HASZNÁLATI SZABÁLYOK... 5 2. MÉRŐSZÁMOK... 6 3. CSOMAGSPECIFIKUS FELTÉTELEK / HASZNÁLATI SZABÁLYOK... 7 1. sz. melléklet - Öröklött
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
RészletesebbenSAP Szoftverhasználati Jogok
SAP Szoftverhasználati Jogok 1. LICENCVÉTELI ALAPELVEK / HASZNÁLATI SZABÁLYOK... 5 2. MÉRŐSZÁMOK... 6 3. CSOMAGSPECIFIKUS FELTÉTELEK / HASZNÁLATI SZABÁLYOK... 7 1. sz. melléklet - Öröklött SBOP Szoftverek...
RészletesebbenExcel ODBC-ADO API. Tevékenységpontok: - DBMS telepítés. - ODBC driver telepítése. - DSN létrehozatala. -Excel-ben ADO bevonása
DBMS spektrum Excel ODBC-ADO API Tevékenységpontok: - DBMS telepítés - ODBC driver telepítése - DSN létrehozatala -Excel-ben ADO bevonása - ADOConnection objektum létrehozatala - Open: kapcsolat felvétel
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
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
Részletesebben10. HÉT: ADATTÁRHÁZAK ÉS ÜZLETI INTELLIGENCIA
10. HÉT: ADATTÁRHÁZAK ÉS ÜZLETI INTELLIGENCIA Dr. Danyi Pál Egyetemi docens, BME 2015-16 I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 1 MIS RENDSZEREK: ALKALMAZÁS-TECHNOLÓGIA-ADAT MIS rendszerek: DSS,
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
RészletesebbenIBM Business Process Manager változat 8 alváltozat 5. Az IBM Business Process Manager áttekintése
IBM Business Process Manager változat 8 alváltozat 5 Az IBM Business Process Manager áttekintése ii Áttekintés PDF-könyvek és az információközpont A PDF-könyveket nyomtatásra és offline olvasásra használhatja.
RészletesebbenAnalitikai 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