HATÉKONY ETL FOLYAMATOK WORKSHOP
|
|
- Adrián Fazekas
- 8 évvel ezelőtt
- Látták:
Átírás
1 HATÉKONY ETL FOLYAMATOK WORKSHOP Gollnhofer Gábor JET-SOL Kft. Nyilvántartási szám: 503/
2 JET-SOL KFT. Alapadatok 2003-ban alakultunk Több mint 120 magasan képzett munkatárs Ügyfélkör Nagyvállalati szektor Magyarországon és Közép-Kelet Európában Értékeink Precizitás, professzionalitás, hatékonyság DW fórum Hatékony ETL workshop
3 DW & BI SZAKTERÜLETEINK Szakterületeink Adattárház és üzleti intelligencia rendszerek Adatvagyon biztosítás (Data Governance) Metaadat kezelés Vezetői információs rendszerek Technológiai partnereink EMC 2, Oracle, Microsoft, SAP, Teradata, AnalytixDS DW fórum Hatékony ETL workshop
4 HATÉKONY ETL FOLYAMATOK KIALAKÍTÁSA Félnapos workshop DW adatintegráció és ETL tervezési, fejlesztési és üzemeltetési témakörök Workshop ETL architektúra ETL eszközök mappingek tervezése/kezelése némi adatmodellezés metaadat kezelés DW automatizálás Menetközben bemutatok egy-két használható eszközt, megoldást 4.
5 HATÉKONY ETL FOLYAMATOK KIALAKÍTÁSA Saját kérdések? amiket megpróbálunk közösen megvitatni és akár megoldani is 5.
6 TARTALOM Bemutatkozás Alapelvek Extract adatok kinyerése & összegyűjtése Transform transzformációk Load betöltés Nagy mennyiségű adatok és érzékeny adatok kezelése Metaadatok ETL tervezés, fejlesztés ETL automatizálás Kérdések & válaszok 6.
7 ALAPELVEK Az ETL helye és szerepe az architektúrában ETL/ELT Három adatmozgatási modell 7.
8 ALAPELVEK AZ ETL HELYE ÉS SZEREPE AZ ARCHITEKTÚRÁBAN Adatforrások Staging terület Történeti adattárház Felhasználói elérés Értékesítés Pénzügy Érkeztetés és transzformáció terület SF 1 Elemi történeti adattár (DW Data Warehouse) Témakör orientált adatpiacok (DM Data Mart) D 1 D 2 D 3 D 6 D 7 FACT 2 D 8 Fix és paraméterezett riportok Ad-hoc riportok, elemzések CRM Dokumentum kezelés SD 2 ST 3 FACT 1 D 4 D 5 D 1 D 3 D 1 D 5 D 6 Vezetői portál Adminisztráció, monitoring Külső adatok Gyártás Audit Trail Interfaces Mappings FACT 3 D 4 D 2 Kötelező jelentések Analitikus CRM Kézi adatforrások (xls, csv) Meta adatok META 1 META 2 Tulajdonosi riportok Data mining Metaadat karbantartás Törzsadat karbantartás (master data) Mapping karbantartás 8.
9 ALAPELVEK ETL/ELT ETL = Extract-Transform-Load A klasszikus felépítés Dedikált ETL szerver Teljesen(?) átalakított adatok töltődnek az adatbázisba Pl. Data Stage ELT = Extract-Load-Transform Ha már van adatkezelésre optimalizált szerver, használjuk! Az extraktált adatok töltődnek az adatbázisba, ott történik az átalakításuk Pl. Oracle Data Integrator ETLT? és egyéb kombinációk 9.
10 ALAPELVEK ADATMOZGATÁSI MODELLEK 10.
11 TARTALOM Bemutatkozás Alapelvek Extract adatok kinyerése & összegyűjtése Transform transzformációk Load betöltés Nagy mennyiségű adatok és érzékeny adatok kezelése Metaadatok ETL tervezés, fejlesztés ETL automatizálás Kérdések & válaszok 11.
12 EXTRACT AZ ADATOK KINYERÉSE Push/pull Full/changed File/direct/messaging CDC (timestamp, trigger, log, replikáció, compare) 12.
13 ADATKINYERÉS PUSH / PULL Push Az adatforrás küldi az adatokat Amikor a forrásnak kényelmes A DW oldalon érkeztető (landing) terület Közösen definiált interfészek (fájl/db/messaging) Forrás oldali fejlesztést igényel Pull A cél (DW) olvassa ki az adatokat Amikor a DW-nek kényelmes (és a forrás elérhető) A DW oldalon érkeztető terület (nem kötelező ) Közvetlen elérés v. szabványos interfészek (pl.natív/odbc/jdbc) Forrás oldali jogosultságot igényel 13.
14 ADATKINYERÉS PUSH / PULL Lehet vegyes megoldás is: Az adatforrás: leválogatja az adatokat egy dedikált extrakt területre (amikor neki kényelmes) Jelöli, hogy készen van! A DW: elveszi a dedikált területről a kész adatokat (amikor neki kényelmes) Jelöli, hogy készen van! Nagyobb hibatűrés, de dupla helyigény 14.
15 ADATKINYERÉS FULL / CHANGED Full teljes leválogatás Egyszerűbb(?) Kicsi adatmennyiség Nincsenek megbízható változás adatok Changed csak a változott adatok Bonyolultabb(?) Megbízható változás adatok vannak CDC (changed data capture) megoldások 15.
16 ADATKINYERÉS FILE / DIRECT / MESSAGING Fájl alapú Közvetlen elérésű Üzenet alapú 16.
17 ADATKINYERÉS FÁJL ALAPÚ Szabványos formátumok, előre definiált struktúra CSV, XML, JSON SAP printout? Log fájlok? Előnyök Egyszerű Platform & technológia független (codepage? CRLF?) Újra tölthető Lazán csatolt rendszerek Hátrányok Forrás oldali fejlesztést igényel Plusz tárolót igényel 17.
18 ADATKINYERÉS KÖZVETLEN ELÉRÉSŰ (DIRECT) Szabványos formátumok, előre definiált struktúra DB DB (ELT) Natív/ODBC/JDBC/gateway/webservice Előnyök Gyorsan kialakítható, módosítható Nem kell plusz tároló Hátrányok Szorosan csatolt rendszerek Jogosultságok Teljesítmény hatások (a forrás rendszeren), konzisztencia? 18.
19 ADATKINYERÉS ÜZENET ALAPÚ (MESSAGING) Szabványos formátumok(?), technológia Messaging (pl. MQ), replikáció Előnyök Lazán csatolt, aszinkron Akár tranzakciónként frissíthetünk Nem kell plusz tároló (queue?) Hátrányok Plusz infrastruktúra Összetett felépítés Teljesítmény? 19.
20 ADATKINYERÉS TIPPEK & TRÜKKÖK Fájl alapú Trigger fájl Az extraktum kész, vihető Fájl név, dátum&idő, rekordszám, checksum Névkonvenció Forrás_típuskód_ÉÉÉÉHHNNóóppss.txt (csv,xml,json,gzip) Adatforrásonként saját postaláda Közvetlen elérésű Metaadat tábla/táblák a fentiekhez hasonló tartalommal Egyéb fontos dolgok! Locale settings, codepage (unicode? UTF-8/UTF-16/UCS-2) 20.
21 ADATKINYERÉS CDC MEGVÁLTOZOTT ADATOK KERESÉSE Forrás adat változások Új adat Módosítás Törlés Fizikai full extrakt(?) Logikai == módosítás(?) 21.
22 ADATKINYERÉS CDC - TECHNOLÓGIÁK Timestamp Trigger Log Replikáció Full compare 22.
23 ADATKINYERÉS CDC TIMESTAMP A forrás adat tartalmazza az utolsó módosítás timestamp-jét Batch jellegű ETL-hez Megbízható? Automatikus v. az alkalmazás állítja be Ha megbízható csak változások kinyerése Különben csak full extrakt Fizikai törlés lehetséges? Ha igen csak full extrakt De két extrakt közötti változások elvesznek! 23.
24 ADATKINYERÉS CDC TRIGGER A forrás rendszer (db) változás esetén automatikusan eltárolja a megváltozott adatokat (egy másik táblában?) Batch jellegű ETL-hez Megbízható? Igen (elvileg kivéve, ha hibás a kód) Két extrakt közötti változások is megvannak De Fejlesztést igényel Plusz erőforrást igényel Nem szeretik 24.
25 ADATKINYERÉS CDC LOG A forrás adatbázis tranzakció naplója Batch jellegű ETL-hez Megbízható? Igen, rendszer szintű Ha be van kapcsolva és nem végeznek nem logolt műveleteket Két extrakt közötti változások is megvannak De Nem mindenhol/mindig van bekapcsolva A forrás tükre kell, hogy használni tudjuk Némi erőforrásigény, de nagy diszk igény 25.
26 ADATKINYERÉS CDC REPLIKÁCIÓ Forrás db log alapján automatikus Akár tranzakció szintű Aszinkron (publish-subscribe; ~messaging) Megbízható? De Mint a Log Két extrakt közötti változások is megvannak Plusz szoftver igény, plusz erőforrás igény 26.
27 ADATKINYERÉS CDC TELJES HASONLÍTÁS (FULL COMPARE) Teljes forrás állományt veszünk át és DW oldalon különbség képzés (a megelőző teljes állomány alapján) Megbízható? Igen (elvileg kivéve, ha hibás a kód) Két extrakt közötti változások elvesznek De Feleslegesen sok adatot mozgatunk Plusz diszk és feldolgozás igény 27.
28 ADATKINYERÉS CDC TIPPEK & TRÜKKÖK Bármelyik megoldást választjuk Mindig kellhet teljes összehasonlítás, mert Kiesünk a szinkronból Teljes feltöltés Teljes összehasonlítás HASH kód (pl. MD5) alapú Táblák minden sorára HASH kód, majd Select * from extr_tab full outer join dw_tab on dw_tab.pk = extr_tab.pk where dw_tab.hash <> extr_tab.hash 28.
29 ADATKINYERÉS CDC TIPPEK & TRÜKKÖK Teljes összehasonlítás Gyors oszlop alapú: 29.
30 TARTALOM Bemutatkozás Alapelvek Extract adatok kinyerése & összegyűjtése Transform transzformációk Load betöltés Nagy mennyiségű adatok és érzékeny adatok kezelése Metaadatok ETL tervezés, fejlesztés ETL automatizálás Kérdések & válaszok 30.
31 TRANSFORM ADATOK ÁTALAKÍTÁSA Érkeztető terület (landing) A forrásadatok az extraktált formában itt várják a feldolgozást (akár fájl, akár db táblák&sorok) A feldolgozott adatokat archiváljuk Feldolgozó terület (staging) A tényleges feldolgozásokat, transzformációkat itt végezzük el Általában az adott ETL futáshoz szükséges adatokat tartjuk benne Persistent Staging? 31.
32 TARTALOM Bemutatkozás Alapelvek Extract adatok kinyerése & összegyűjtése Transform transzformációk Load betöltés Nagy mennyiségű adatok és érzékeny adatok kezelése Metaadatok ETL tervezés, fejlesztés ETL automatizálás Kérdések & válaszok 32.
33 LOAD - BETÖLTÉS Bárhogy, csak gyors legyen Bulk load Logged/non-logged Partitioning, partition-swapping Betöltési hibák kezelése Adathibák Programhibák Paraméterezési hibák 33.
34 LOAD - BETÖLTÉS HIBÁK KEZELÉSE Adathibák Hiba tábla/állomány Mit fogunk kezdeni vele? Részleges betöltés Konzisztencia? Auditálhatóság? Kihagyás Konzisztencia? Auditálhatóság? DataQuality jel/dimenzió Program/paraméterezési hibák Észrevettük? Nem minden OK? javítás/újra töltés Igen megállunk/folytatjuk v. javítás után & újra/folytatjuk Adjon lehetőséget az újra futtatásra! 34.
35 NAGY MENNYISÉGŰ ADATOK ÉS ÉRZÉKENY ADATOK KEZELÉSE Nagy mennyiségű adatok Csak a feltétlenül szükséges adatokat mozgassuk Bulk műveletek (minimális v. nolog) Tömörítés és tömörítve mozgatás a hálózaton Érzékeny adatok kezelése Önálló területet biztosítsunk nekik A hálózaton is kódolva mozgassuk Anonimizálás, egy irányú kódolás 35.
36 TARTALOM Bemutatkozás Alapelvek Extract adatok kinyerése & összegyűjtése Transform transzformációk Load betöltés Nagy mennyiségű adatok és érzékeny adatok kezelése Metaadatok ETL tervezés, fejlesztés ETL automatizálás Kérdések & válaszok 36.
37 METAADATOK Mit, mikor tervezési metaadatok Monitorozás működési metaadatok 37.
38 TERVEZÉSI METAADATOK MIT, MIKOR Adatforrások Adatstruktúrák Mapping ETL folyamatok Függőségek Ütemezés 38.
39 TERVEZÉSI METAADATOK METAADAT MODELL Házi feladat vagy lásd. később 39.
40 MŰKÖDÉSI METAADATOK MONITOROZÁS Futási statisztikák Feldolgozási idők (folyamat kezdete, vége, időtartama) Adatmennyiségek (megkapott, feldolgozott fájl/message/rekord/bájt/stb.) Hibák (száma, típusa) Folyamatok (státusz) Adatminőség (szélső értékek, darabszámok, eloszlások, hibás adatok száma, hibatípusok, stb.) 40.
41 MŰKÖDÉSI METAADATOK METAADAT MODELL Tervezési és működési metaadat modell: Fogalmak Szereplők, szerepkörök Jogosultságok Forrásrendszerek Objektumok Transzformációk Folyamatok Vezérlés, napló 41.
42 TARTALOM Bemutatkozás Alapelvek Extract adatok kinyerése & összegyűjtése Transform transzformációk Load betöltés Nagy mennyiségű adatok és érzékeny adatok kezelése Metaadatok ETL tervezés, fejlesztés ETL automatizálás Kérdések & válaszok 42.
43 ETL TERVEZÉS, FEJLESZTÉS Forrás felmérés (elérhetőség, technológia, struktúrák, profiling) Folyamatok (csoportosítás, függőségek, ütemezés) Mapping definíciók ETL változás kezelés 43.
44 ETL TERVEZÉS, FEJLESZTÉS ADATFORRÁS FELMÉRÉS Elérhetőség, technológia, struktúrák Profiling 44.
45 ETL TERVEZÉS, FEJLESZTÉS FOLYAMATOK - FÜGGŐSÉGEK, ÜTEMEZÉS Kód vezérelt Előre definiált végrehajtási sorrend A végrehajtási sorrend behuzalozva Optimalizált(?) Új folyamatok beillesztése bonyolult (újra optimalizálás?) Az ETL eszközökben ez az alapértelmezett futtatási mód Adat vezérelt Csak az adat függőségek definiáltak (és prioritások) A végrehajtási sorrend a tényleges adatfeldolgozástól függ Új folyamatok beillesztése egyszerű (csak a függőségeket kell definiálni) Az ETL eszközökben keretfolyamatokat kell készíteni 45.
46 ETL TERVEZÉS, FEJLESZTÉS MAPPING DEFINÍCIÓK Excel tábla demo Modellező eszköz demo: PowerDesigner Spec. mapping kezelő és ETL generáló eszköz demo: Analytix Mapping Manager ETL eszközök Mindenkinek a kedvenc ETL eszköze (és SQL eljárásai) 46.
47 ADATFORRÁS ELEMZÉS EXCEL TÁBLA 47.
48 INTERFÉSZ DEFINÍCIÓ EXCEL TÁBLA 48.
49 MAPPING DEFINÍCIÓ EXCEL TÁBLA 49.
50 ETL TERVEZÉS, FEJLESZTÉS MAPPING DEFINÍCIÓK Excel tábla demo Modellező eszköz demo: PowerDesigner Spec. mapping kezelő és ETL generáló eszköz demo: Analytix Mapping Manager ETL eszközök Mindenkinek a kedvenc ETL eszköze (és SQL eljárásai) 50.
51 MODELLEZŐ ESZKÖZ POWERDESIGNER MAPPING EDITOR Tervezés: adatbázis, folyamatok, drag & drop ETL mapping Generálás: adatbázis, ETL SQL query dokumentáció Egyedi bővítmények 51.
52 POWERDESIGNER BŐVÍTMÉNYBŐL GENERÁLT ETL SQL KÓD 52.
53 POWERDESIGNER MODELLEZŐ ESZKÖZ demo: SAP PowerDesigner How to Use the Mapping Editor in PowerDesigner 53.
54 ETL TERVEZÉS, FEJLESZTÉS MAPPING DEFINÍCIÓK Excel tábla demo Modellező eszköz demo: PowerDesigner Spec. mapping kezelő és ETL generáló eszköz demo: Analytix Mapping Manager ETL eszközök Mindenkinek a kedvenc ETL eszköze (és SQL eljárásai) 54.
55 MAPPING KEZELŐ ÉS ETL GENERÁLÓ ESZKÖZ ANALYTIX MAPPING MANAGER Drag & drop mapping Szabályok Repository ETL import Excel import ETL export Excel export Bővíthető metaadatok 55.
56 ANALYTIX MAPPING MANAGER ETL GENERÁLÁS DataStage Informatica SSIS XML egyéb egyedi bővítmények ETL konverzió 56.
57 MAPPING KEZELŐ ÉS ETL GENERÁLÓ ESZKÖZ demo: Analytix Mapping Manager 57.
58 ETL TERVEZÉS, FEJLESZTÉS MAPPING DEFINÍCIÓK Excel tábla demo Modellező eszköz demo: PowerDesigner Spec. mapping kezelő és ETL generáló eszköz demo: Analytix Mapping Manager ETL eszközök Mindenkinek a kedvenc ETL eszköze (és SQL eljárásai) 58.
59 ETL TERVEZÉS, FEJLESZTÉS VÁLTOZÁS KEZELÉS A DW-ben tárolt adatokról tudjuk megmondani, hogy mikor kerültbe, melyik ETL eljárással audit_trail dimenzió Fontos, hogy megőrizzük a régi ETL kódokat is! ETL eszközök általában támogatják (repository) Egyedi fejlesztés verziókezelő 59.
60 TARTALOM Bemutatkozás Alapelvek Extract adatok kinyerése & összegyűjtése Transform transzformációk Load betöltés Nagy mennyiségű adatok és érzékeny adatok kezelése Metaadatok ETL tervezés, fejlesztés ETL automatizálás Kérdések & válaszok 60.
61 ETL AUTOMATIZÁLÁS FELADATOK Hogyan kezeljük, ha: 3 adatforrásunk van <> 30 adatforrás 50 táblát kell tölteni <> 5000 táblát Automatizáljuk az ismétlődő feladatokat Adatstruktúrák, formátum leírók Mapping Feldolgozási eljárások (SQL, map-reduce, scriptek, ETL eszköz kódok) Tervezési metaadatok 61.
62 ETL AUTOMATIZÁLÁS ESZKÖZÖK ETL eszközök Könnyen(?) tanulható, átlátható, grafikus felület Scriptelhető? Tervezőeszközök(?) Adatmodellezés & mapping definíciók ETL kódgenerálás (staging táblák, ETL kód) Scriptelhető? Saját fejlesztés Kód generálás 62.
63 MIVEL AUTOMATIZÁLJUNK? DW TERVEZÉS & FEJLESZTÉS Klasszikus ETL eszközök Scriptelhetők: saját script nyelv és/vagy repositoryba írás(?) DataStage, Informatica, ODI, OWB, Pentaho, Talend, stb. BASIC, Java, TCL, Groovy, SQL, saját, stb.; XML/XMI ETL/BI automation eszközök, pl. Analytix Mapping Manager BIReady Consensus Quipu Wherescape RED Saját, egyedi fejlesztés 63.
64 TARTALOM Bemutatkozás Alapelvek Extract adatok kinyerése & összegyűjtése Transform transzformációk Load betöltés Nagy mennyiségű adatok és érzékeny adatok kezelése Metaadatok ETL tervezés, fejlesztés ETL automatizálás Kérdések & válaszok 64.
65 KÉRDÉSEK & VÁLASZOK 65.
66 KAPCSOLAT 1143 Budapest, Ilka utca 2-4. Telefon: Fax: info@jet-sol.hu DW fórum Hatékony ETL workshop Nyilvántartási szám: 503/
BEVEZETÉS 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
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
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
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
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
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
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
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
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,
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+
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
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
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
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
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,
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.
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
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,
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
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
RészletesebbenELMÉLET ÉS GYAKORLAT
Mylogo is member of Erste Group (this is optional: please cancel completely from the Master, if not needed or just cancel this info) Bob és Bobek - együttműködési modell az IT és az Üzlet között egységes
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
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
RészletesebbenPetőfi Irodalmi Múzeum. megújuló rendszere technológiaváltás
Petőfi Irodalmi Múzeum A Digitális Irodalmi Akadémia megújuló rendszere technológiaváltás II. Partnerek, feladatok Petőfi Irodalmi Múzeum Megrendelő, szakmai vezetés, kontroll Konzorcium MTA SZTAKI Internet
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
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.
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
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
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
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
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
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
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
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
RészletesebbenTudásalapú 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
RészletesebbenADATBÁZIS-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.
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
RészletesebbenAlkalmazásokban. Dezsényi Csaba Ovitas Magyarország kft.
Tudásmodellezés Kereskedelmi Alkalmazásokban Dezsényi Csaba Ovitas Magyarország kft. Tudásmenedzsment Adat -> Információ -> Tudás Intézményi tudásvagyon hatékony kezelése az üzleti célok megvalósításának
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
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,
RészletesebbenBIRDIE. Business Information Reporter and Datalyser. Előadó: Schneidler József
BIRDIE Business Information Reporter and Datalyser Előadó: Schneidler József BIRDIE RIPORT RIPORT KÉSZÍTŐ ÉS ÉS TERJESZTŐ RENDSZER A Daten-Kontor Kft. saját fejlesztésű dobozos alkalmazása A BIRDIE célja:
RészletesebbenAdatbázis rendszerek 7. előadás State of the art
Adatbázis rendszerek 7. előadás State of the art Molnár Bence Szerkesztette: Koppányi Zoltán Osztott adatbázisok Osztott rendszerek Mi is ez? Mi teszi lehetővé? Nagy sebességű hálózat Egyre olcsóbb, és
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
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
RészletesebbenRapidAnalytics Enterprise Edition bevezetés a Telenor Magyarországnál. Szakács Balázs - Telenor Magyarország Szücs Imre United Consult
RapidAnalytics Enterprise Edition bevezetés a Telenor Magyarországnál Szakács Balázs - Telenor Magyarország Szücs Imre United Consult Miről lesz szó? Telenor bemutatása Eszközválasztás háttere Igények
RészletesebbenEGYSZERŰSÍTJÜK AZ IRODAI MUNKÁT.
EGYSZERŰSÍTJÜK AZ IRODAI MUNKÁT. Az OfficeGuru segít a munkahelyi Excel felhasználóknak egyszerűbbé és gyorsabbá tenni a napi feladatokat azzal, hogy automatizálja a munka favágó részét. Így több idő marad
RészletesebbenMultimédiás adatbázisok
Multimédiás adatbázisok Multimédiás adatbázis kezelő Olyan adatbázis kezelő, mely támogatja multimédiás adatok (dokumentum, kép, hang, videó) tárolását, módosítását és visszakeresését Minimális elvárás
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
RészletesebbenMire jó az adatpumpa? Oracle Data Pump megoldás
Mire jó az adatpumpa? Oracle Data Pump megoldás az nál Andódy Csaba Apáti Péter 2016. Október 11. Napirend 1. Erste Bank mentési nehézségek, felmerülő igények 2. Data Pump Archiver bemutatása 3. Erste
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
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
RészletesebbenIIR Internal Audit 2011 Hogyan segítheti az IT háttér a hatékony kockázatkezelést?
IIR Internal Audit 2011 Hogyan segítheti az IT háttér a hatékony kockázatkezelést? Csizmadia Attila CISA Néhány szó az ISACA-ról 2. Alapítás 1969-ben (az ISACA-HU 20 éves) Tagok kb. 95 ezer (ISACA-HU 411
RészletesebbenModern adattárház építés Data Vault alapokon. Gollnhofer Gábor Meta Consulting Kft.
Modern adattárház építés Data Vault alapokon Gollnhofer Gábor Meta Consulting Kft. Bevezetés Ki kicsoda? Rövid bemutatkozás Miért vagyok itt? Eddigi DW-s tapasztalataim Mit szeretnék megtudni? Adminisztráció,
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
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
RészletesebbenÁrki Kornél. IDC Business Intelligence Roadshow 2009
Árki Kornél IDC Business Intelligence Roadshow 2009 Projekt tört t rténet Elızmények bemutatása Projekt feladata Definíci ciók Fejlesztési módszertan Általános felépítés OEP rendszer mutatása Rendszer
RészletesebbenTartalom. Konfiguráció menedzsment bevezetési tapasztalatok. Bevezetés. Tipikus konfigurációs adatbázis kialakítási projekt. Adatbázis szerkezet
Konfiguráció menedzsment bevezetési tapasztalatok Vinczellér Gábor AAM Technologies Kft. Tartalom 2 Bevezetés Tipikus konfigurációs adatbázis kialakítási projekt Adatbázis szerkezet Adatbázis feltöltés
RészletesebbenHecPoll a vezérlő rendszer
a vezérlő rendszer Az előnyei: Könnyű Integráció Ergonomikus kivitel Több nyelvűség Multi-Kliens támogatás Import / Export Interfész 2 Egyszerű integráció Csatlakozás a meglévő modern IT rendszerhez Egyszerű
RészletesebbenJogosultság-monitorozó rendszer kialakítása
Jogosultság-monitorozó rendszer kialakítása Csizmadia Attila CISA Jogosultságkezelés jelentősége Miért fontos? Mindenkinek van valamilyen válasza A válaszok különböző megközelítésűek lehetnek Egy közös
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
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
RészletesebbenÚjdonságok az AX2012-ben! Hauserné Kozák Veronika
Újdonságok az AX2012-ben! Hauserné Kozák Veronika 2012. 11.27. Témakörök Szervezet irányítása Számlatükör, Pénzügyi dimenziók Kontrolling Szervezet irányítása Szervezet irányítása 1. Szerepkör Szerepre
RészletesebbenIntegrációs mellékhatások és gyógymódok a felhőben. Géczy Viktor Üzletfejlesztési igazgató
Integrációs mellékhatások és gyógymódok a felhőben Géczy Viktor Üzletfejlesztési igazgató Middleware projektek sikertelenségeihez vezethet Integrációs (interfész) tesztek HIÁNYA Tesztadatok? Emulátorok?
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
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
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
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
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
RészletesebbenKonszolidáció 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:
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
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
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)
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
RészletesebbenÁtfogó megoldás a számlafolyamatok felgyorsításához ELO DocXtractor. Laczkó Kristóf ELO Digital Office Kft. Bálint András Prognax Kft.
Átfogó megoldás a számlafolyamatok felgyorsításához ELO DocXtractor Laczkó Kristóf ELO Digital Office Kft. Bálint András Prognax Kft. Áttekintés Struktúrált és egyéb Információk bármely forrásból dokumentumok
RészletesebbenAz indexelés újdonságai Oracle Database 12c R1 és 12c R2
Az indexelés újdonságai Oracle Database 12c R1 és 12c R2 Szabó Rozalinda Oracle adattárház szakértő, oktató szabo.rozalinda@gmail.com Index tömörítés fejlődése 8.1.3-as verziótól: Basic (Prefixes) index
RészletesebbenMagic 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
RészletesebbenMinősítés és Technológia
IQDoc Megoldás a nagyvállalati iratkezelés problémáira Wéber Zoltán és Sudár Gábor Miért az IQDoc rendszer? Minősítés és Technológia Minősített iratkezelő rendszer (VERITAN Hírközlési és Informatikai Tanúsító
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,
RészletesebbenOracle Enterprise Manager 12c Cloud Control és 11g Grid Control összehasonlítás
Oracle Enterprise Manager 12c Cloud Control és 11g Grid Control összehasonlítás Péntek Csaba National Instruments HOUG Konferencia 2013. 04. 09. Tartalom Bemutatkozás Oracle Enterprise Manager Architektúra
RészletesebbenOracle 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
RészletesebbenSeacon Access and Role Management
Innovatív Információbiztonsági Megoldások Seacon Access and Role Management Csizmadia Attila CISA Jogosultságkezelés jelentősége Miért fontos? Mindenkinek van valamilyen válasza A válaszok különböző megközelítésűek
RészletesebbenESZKÖZTÁMOGATÁS A TESZTELÉSBEN
ESZKÖZTÁMOGATÁS A TESZTELÉSBEN MUNKAERŐ-PIACI IGÉNYEKNEK MEGFELELŐ, GYAKORLATORIENTÁLT KÉPZÉSEK, SZOLGÁLTATÁSOK A DEBRECENI EGYETEMEN ÉLELMISZERIPAR, GÉPÉSZET, INFORMATIKA, TURISZTIKA ÉS VENDÉGLÁTÁS TERÜLETEN
RészletesebbenK&H Központosított felhasználó adminisztráció gyakorlati megvalósítása
K&H Központosított felhasználó adminisztráció gyakorlati megvalósítása Döntés előtt Körülmények, amelyek alapján a döntés megszületett a Központi Felhasználó Adminisztráció (CUA) szükségességéről Informatikai
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
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
RészletesebbenOracle TTS migrációs technológia használata
Oracle TTS migrációs technológia használata 12c verziófrissítéshez 2016.10 Simon Tamás, Okner Zsolt 1 Tartalom 1. A projekt bemutatása 2. A kiválasztott migrációs metódus bemutatása 3. 12c újdonságok 4.
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 szürke háttérrel jelölt fejezet/alfejezet szövege a CD-mellékleten található. A CD-melléklet használata. 1. Elméleti áttekintés 1
A szürke háttérrel jelölt fejezet/alfejezet szövege a CD-mellékleten található meg. A CD-melléklet használata Bevezetés xi xiii 1. Elméleti áttekintés 1 1.1. Adatmodellezés 3 1.2. Táblák, oszlopok és sorok
RészletesebbenAz INSPIRE előírásai szerinti hazai téradatok szolgáltatásának, forgalmazásának megoldandó kérdései. GIS OPEN konferencia
Az INSPIRE előírásai szerinti hazai téradatok szolgáltatásának, forgalmazásának megoldandó kérdései Dr. Niklasz László GIS OPEN konferencia 2009. március 18. 1 Tartalom 1. Bevezetés, előzmények 2. Jelenlegi
RészletesebbenElektronikus Információs és Nyilvántartási Rendszer a Doktori Iskolák fiatal kutatói részére
Elektronikus Információs és Nyilvántartási Rendszer a Doktori Iskolák fiatal kutatói részére Adamkó Attila adamkoa@inf.unideb.hu Debreceni Egyetem Informatikai Intézet 1 Áttekintés A rendszer célja A rendszer
Részletesebben<Insert Picture Here> Migráció MS Access-ről Oracle Application Express-re
Migráció MS Access-ről Oracle Application Express-re Sárecz Lajos Oracle Hungary Izsák Tamás Független szakértő Program Miért migráljunk Microsoft Access-ről? Mi az az Oracle Application
RészletesebbenA Java EE 5 plattform
A Java EE 5 platform Ficsor Lajos Általános Informatikai Tanszék Miskolci Egyetem Utolsó módosítás: 2007. 11. 13. A Java EE 5 platform A Java EE 5 plattform A J2EE 1.4 után következő verzió. Alapvető továbbfejlesztési
RészletesebbenEnterprise Content Governance
ECM Consulting Kft. 1119 Budapest, Puskás Tivadar u. 33. Fax: +36 (1) 999 7496 Enterprise Content Governance 2013.03.29. Bemutató tartalma 1. Kiinduló állapot 2. Megoldás bemutatása 3. Elért eredmények
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:
RészletesebbenAz FVM Földügyi és Térképészeti Főosztálya egy átfogó TAKAROS koncepciót fejlesztett ki és vezetett be az elmúlt időszakban lépésről lépésre.
Az FVM Földügyi és Térképészeti Főosztálya egy átfogó TAKAROS koncepciót fejlesztett ki és vezetett be az elmúlt időszakban lépésről lépésre. TAKAROS-FÖNYIR TAKARNET META A TAKAROS koncepció a földhivatalok
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
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.
RészletesebbenLBRA6i integrált rendszer
LBRA6i integrált rendszer LIBRA 6i logolás és a log megtekintése Készítette: Libra Szoftver Zrt. Létrehozás dátuma: 2005.12.15. Utolsó módosítás: 2014.10.30. Referencia szám: LIBRA6i_UZEM_V_1.5 Verzió:
Részletesebben