INFORMATIKAI PROJEKTELLENŐR 30 MB. Dr. Horváth Gábor KLASSZIKUS ADATTÁRHÁZAK MMK- Informatikai projektellenőr képzés

Hasonló dokumentumok
INFORMATIKAI PROJEKTELLENŐR 30 MB. Dr. Horváth Gábor KLASSZIKUS ADATTÁRHÁZAK MMK- Informatikai projektellenőr képzés

Mi a szerepe az informatikai projekt ellenőrnek?

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

BEVEZETÉS AZ ADATTÁRHÁZ AUTOMATIZÁLÁSBA

Adattárház kialakítása a Szövetkezet Integrációban, UML eszközökkel. Németh Rajmund Vezető BI Szakértő március 28.

Adattárház tiszta alapokon Oracle Day, Budapest, november 8.

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

Teljeskörű BI megoldás a gyakorlatban IBM eszközök használatával, Magyarországon

Szemléletmód váltás a banki BI projekteken

Data Vault 2.0 és az Oracle DW/BD referencia architektúra. Gollnhofer Gábor Meta Consulting Kft.

ETL keretrendszer tervezése és implementálása. Gollnhofer Gábor Meta4Consulting Europe Kft.

ELMÉLET ÉS GYAKORLAT

DW 9. előadás DW tervezése, DW-projekt

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

ADATTÁRHÁZ MENEDZSMENT ÉS METAADAT KEZELÉS

KKV Adattárház. Presented to: Adattárház Fórum 2014 Date: Június 5, Presented by: Csippán János IT Director

Adattárház automatizálási tapasztalatok a Generali Biztosítóban

Fogalomtár bevezetése a Magyar Telekomnál

Infor PM10 Üzleti intelligencia megoldás

HATÉKONY ETL FOLYAMATOK WORKSHOP

Data Integrátorok a gyakorlatban Oracle DI vs. Pentaho DI Fekszi Csaba Ügyvezető Vinnai Péter Adattárház fejlesztő február 20.

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

BIRDIE. Business Information Reporter and Datalyser. Előadó: Schneidler József

Oracle SQL Developer Data Modeler és a DW adatmodellezés. Gollnhofer Gábor Meta Consulting Kft.

Önkiszolgáló BI Az üzleti proaktivítás eszköze. Budapest,

Adatbányászat és Perszonalizáció architektúra

VvAaLlÓóSs IiıDdEeJjȷŰű OoDdSs goldengate alapokon a magyar telekomban

Data Governance avagy adatvagyon kezelés Rövid bevezető. Gollnhofer Gábor DMS Consulting

DW/BI rendszerek kialakítása bevezetői szemszögből. Gollnhofer Gábor - Meta Consulting Kft.

Data Governance avagy adatvagyon kezelés Rövid bevezető. Gollnhofer Gábor DMS Consulting

BI megoldás a biztosítói szektorban

GENERÁCIÓS ADATBÁZISOK A BIG DATA KÜLÖNBÖZŐ TERÜLETEIN

Adattárház és BigData Szimbiózisa. Baranyi Szabolcs IM Technical Sales

Data Vault adatmodellezés.

Adatbázis-kezelés. Harmadik előadás

Több mint BI (Adatból üzleti információ)

Self Service szekció. XXVIII. Budapesti Menedzsment és Controlling Fórum. Havas Levente. Budapest, május 26. IFUA Horváth & Partners

Rendszermodernizációs lehetőségek a HANA-val Poszeidon. Groma István PhD SDA DMS Zrt.

Tartalom. Konfiguráció menedzsment bevezetési tapasztalatok. Bevezetés. Tipikus konfigurációs adatbázis kialakítási projekt. Adatbázis szerkezet

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

TSIMMIS egy lekérdezés centrikus megközelítés. TSIMMIS célok, technikák, megoldások TSIMMIS korlátai További lehetségek

MMK-Informatikai projekt ellenőr képzés 4

Segítség, összementem!

30 MB INFORMATIKAI PROJEKTELLENŐR

BMEVIHIM134 Hálózati architektúrák NGN menedzsment vonatkozások: II. Üzemeltetés-támogatás és üzemeltetési folyamatok

TRL Hungary Kft. Cégismertető. TRL Hungary Kft.

BI modul a lízing üzletágban márc. 21. Előadó: Salamon András

Használati alapú és modell alapú tesztelés kombinálása szolgáltatásorientált architektúrák teszteléséhez az ipari gyakorlatban

Célkitűzések Az Oracle10 g felépítésének, használatának alapszíntű megismerése

Self service reporting fogások, technikák és megoldások controllereknek, nem csak Excel alapon

A USER Kft - mint Open Text partner - bemutatása

Component Soft és tovább

Oracle Enterprise Metadata Management

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

VÁLLALATI INFORMÁCIÓS RENDSZEREK. Debrenti Attila Sándor

Szolgáltatás Orientált Architektúra a MAVIR-nál

Tudásalapú információ-kereső rendszerek elemzése és kifejlesztése

Üzleti folyamatok rugalmasabb IT támogatása. Nick Gábor András szeptember 10.

BI FÓRUM Üzleti Intelligencia Osztály Motto: szenvedélyünk az adat

A Java EE 5 plattform

Van-e ingyen-ebéd? Avagy mire elég a nyílt forráskodú Pentaho? Fekszi Csaba Ügyvezető október 4.

Szabálykezelés a gyakorlatban

Ügyfél- és címadatok feldolgozása Talenddel

Fekete Csaba Csongor Üzleti intelligencia vezető Citibank ZRt.

Az információ hatalom. adatok. információ

Vezetői információs rendszerek

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

I. RÉSZ. Tartalom. Köszönetnyilvánítás...13 Bevezetés...15

Önkiszolgáló BI infrastruktúra az adatvezérelt teljesítménymenedzsmentben

VIR alapfogalmai. Előadásvázlat. dr. Kovács László

Hogyan lehet megakadályozni az üzleti modellezés és az IT implementáció szétválását? Oracle BPM Suite


KORMÁNYZATI SZEMÉLYÜGYI DÖNTÉSTÁMOGATÓ RENDSZER KÖFOP VEKOP 16

Oracle Enterprise Manager: Az első teljesértékű felhő üzemeltetési megoldás

Ficsor Lajos Általános Informatikai Tanszék Miskolci Egyetem

Az adatvagyon kezelés és a metaadatok. Gollnhofer Gábor DMS Consulting

Az Oracle Fusion szakértői szemmel

Név- és tárgymutató A, Á

Az INSPIRE előírásai szerinti hazai téradatok szolgáltatásának, forgalmazásának megoldandó kérdései. GIS OPEN konferencia

Integrált Kampánymenedzsment Rendszer kialakítása

Projekt menedzsment és kontrolling a kormányzati szektorban

Adatbázisok* tulajdonságai

RapidAnalytics Enterprise Edition bevezetés a Telenor Magyarországnál. Szakács Balázs - Telenor Magyarország Szücs Imre United Consult

A hibrid DB cloud biztonsági eszköztára. Kóródi Ferenc Budapest,

IRÁNYTŰ A SZABÁLYTENGERBEN

IT Szolgáltatás Menedzsment az oktatási szektorban - 90 nap alatt költséghatékonyan

Az egységes tartalomkezelés üzleti előnyei

LOGISZTIKAI ADATBÁZIS RENDSZEREK BEVEZETÉS

Adatbázis rendszerek. dr. Siki Zoltán

Kővári Attila, BI projekt

Ericsson CoordCom. Integrált segélyhíváskezelés, tevékenységirányítás. <Name> Kovács László

Üzleti intelligencia eszköztár a SAS 9.2 platformon

IBM WebSphere Adapters 7. változat 5. alváltozat. IBM WebSphere Adapter for Oracle E-Business Suite felhasználói kézikönyv 7. változat 5.

Amit mindig is tudni akartál a Real Application Testing-ről. Földi Tamás Starschema Kft.

Fejlesztés, működtetés, felügyelet Hatékony infrastruktúra IBM szoftverekkel

Big Data adattárházas szemmel. Arató Bence ügyvezető, BI Consulting

ABAP dictionary objektumok SAP adatmodell Táblák kezelése. Az SAP programozása 1. Tarcsi Ádám

Adatbázis-kezelés alapok Adatbázisok című tárgyhoz, ismétlés kapcsán

Indexek és SQL hangolás

Modern adattárház építés Data Vault alapokon. Gollnhofer Gábor Meta Consulting Kft.

Átírás:

INFORMATIKAI PROJEKTELLENŐR 30 MB Dr. Horváth Gábor KLASSZIKUS ADATTÁRHÁZAK 2017.03.23. MMK- Informatikai projektellenőr képzés

Tartalom Elemző Adatbázisok Az adattárházak komponensei Adatmodell Adatbázis-kezelő ETL Front-end : BI eszköz Operatív döntéstámogatás: kimenő interfészek Adatbányász eszköz Meta-adat kezelés és data governance Jogosultság-kezelés, adat biztonság Egy kis kitekintés: Klasszikus adattárházak és Big Data Architektúrák Az adattárház projekt főbb elemei Agilis módszerek alkalmazása az adattárház projektekben Az adattárház projektek sikerességének alapjai 2017.03.23. MMK-Informatikai projekt ellenőr képzés 2

Informatika Elemző adatbázisok OLTP vs Elemző adatbázisok A tranzakciós rendszerek működésének melléktermékei az adatok. Ez a vállalat az adatvagyona. Az tranzakciós adatok felhasználása : VIR, MI és egyéb elemzések Más funkció Más típusú adatbáziskezelés Más adatmodell Más hardver környezet 2017.03.23. MMK-Informatikai projekt ellenőr képzés 3

A vállalati adatvagyon részei Exabytes User Generated Content Social Network BIG DATA User Click Stream Mobile Web Sentiment Petabytes Web Logs Offer History Dynamic Pricing A/B Testing WEB External Demographics Business Data Feeds Terabytes Offer Details Segmentation CRM Affiliate Networks Search Marketing HD Video Speech to Text Gigabytes Purchase Detail ERP Customer Touches Behavioral Targeting Product/ Service Logs Purchase Record Payment Record Support Contacts Dynamic Funnels SMS/MMS INCREASING Data Variety and Complexity DECREASING Value Density in the Data 2017.03.23. MMK-Informatikai projekt ellenőr képzés 4

Az adattárházak komponensei 2017.03.23. MMK-Informatikai projekt ellenőr képzés 5

Az adattárházak adatarchitektúrája, adatfolyam Stage System of Records/ DW Aggregációk Adatpiacok Források 2017.03.23. MMK-Informatikai projekt ellenőr képzés 6

Az adattárházak adatarchitektúrája, adatfolyam STAGE forrásrendszerrel megegyező tárolási struktúra forrásadatok többnyire napi táblapartíciókban adatfogadás vagy beszerzés forrásadatok változtatásmentes archiválása Teljes újratöltés lehetősége DW egységes üzleti adatmodell helyettesítő kulcs képzése forrás természetes kulcsainak tárolása történeti adattárolás elsődleges, egyedi és idegen kulcsok beállítása forrásrendszeri fix értékkészletek egységes tárolása forrásoldali fizikai törlés kezelése szótár-, törzs-, kapcsoló- és esemény típusú táblák technikai mezők: OBJ_TIPUS, FORRAS_AZON_1 5 DM helyettesítő kulcs megtartása különböző aggregáltsági szint több rétegen keresztül újrafuttathatóság a folyamatos bővítések miatt aggregátumok üzleti paraméterezés alapján helygazdálkodás kérdése, visszamenőleges adattárolás 2017.03.23. MMK-Informatikai projekt ellenőr képzés 7

Informatika Adatpiac és adattárház: Adatarchitektúrák 2017.03.23. MMK-Informatikai projekt ellenőr képzés 8

Informatika Adatpiac és adattárház: Adatarchitektúrák 2017.03.23. MMK-Informatikai projekt ellenőr képzés 9

Informatika Adatpiac és adattárház : adatarchitektúrák tervezési szempontok Elemzési célok sokrétűsége Az elemzési adatbázis szerepe a vállalati architektúrában A felhasználók széleskörűsége, típusai, száma Az elemzendő adatok (forrásrendszerek ) száma Adatbázis méret, history..stb 2017.03.23. MMK-Informatikai projekt ellenőr képzés 10

Az adattárházak komponensei: adatmodell Relációs vs. dimenzionális Kész adatmodellek vs. custom developed Az adatmodell karbantartása házon belülre vs. szállítónál Adatmodellező team : rend vs. szűk keresztmetszet CASE eszköz használata metaadat kezelés 2017.03.23. MMK-Informatikai projekt ellenőr képzés 11

Az adattárházak komponensei: adatbázis kezelés Egyszeri bulk insert No update Select Időkezelés Particionálás Párhuzamos felhasználás Real-time igény Index kezelés Index vs full table scan Jogosultság kezelés Tuningolás, adminisztráció Shared everything vs shared nothing vs in memory Appliance megközelítés 2017.03.23. MMK-Informatikai projekt ellenőr képzés 12

Az adattárházak komponensei: ETL ETL eszközök vs kézzel írt kódok - ODI - Informatica - IBM DataStage - SAS - Talend stb - Custom developed Tervezési szempontok meta-adat kezelés CASE eszközök használata: Enterprise Architect, Powerdesigner Ütemező modul ETL eszköz kiválasztás szempontjai: - funkcionalitás - ár - szakemberek elérhetősége 2017.03.23. MMK-Informatikai projekt ellenőr képzés 13

Az adattárházak komponensei: ETL - ETL folyamat minősége függ Épített adatmodell minőségétől Mappelés minőségétől Betöltési folyamatvezérlés és naplózás teljességétől 2017.03.23. MMK-Informatikai projekt ellenőr képzés 14

Az adattárházak komponensei: ETL Fejlesztő eszköz független formalizált tervezés Egységes meta adatok képzése Egységes adatmodellre és kulcsolási mechanizmusra épülő mappelés Futtatható kód generálás az adatbázisban ill. interface-en keresztül A generálási folyamat hátterét egy adatbázis objektumokból álló alkalmazás adja, ami a paraméterezésnek megfelelő mappingeket állít elő. History képzése : egyedi kulcs alapú history képzés standard mezők felhasználásával history kezelt mezők meghatározása automatikusan - dictionary alapján céltáblával azonos szerkezetű munkatáblák használata Fizikai mapping a logikai mapping alapján könnyen elkészíthető DW töltése egyszerűbb DM töltése aggregáltsági szinttől függően több lépésben valósítható meg Mapping logikák egymásba ágyazhatók Bonyolultabb forráslekérdezések nézetbe rendezhetők Generált kód kézi továbbfejlesztése kizárja a központi meta adattár további használatát Újraindítható kódok 2017.03.23. MMK-Informatikai projekt ellenőr képzés 15

Az adattárházak komponensei: ETL A tervezés előtt a fizikai modell ismeretén kívül szükséges a betöltés szabványainak és névkonvencióinak definiálása. Adatbázis objektumokból álló generálási folyamat háttér, háromszintű paraméterezés: -Alapadatok definiálása 1.Map neve, csoportja 2.Céltábla és tulajdonosa, alias 3.Töltés típusa: DELTA/FULL History képzés típusa 4.SQL paraméterezés/hintek -Forrástáblák és kapcsolatok definiálása 1.Forrás táblák, tulajdonosok, aliasok 2.Forrásként használt táblák kapcsolási feltételei: JOIN Halmazműveletek DISTINCT Analitikus függvények használata 3.Filterek megadása 4.SQL paraméterezés (hintek) 5.Automatikus forrás struktúra forgatások tipikusan DM töltéskor aktuális és history adatok együttes használata (ACT_HIST_FL = I ) -Mezőszintű mappelés 1.Forrás-cél mezőpárok 2.History képzés egyedi kulcs alapján 3.Helyettesítő kulcs képzése szekvenciából egységes rövidnevek alapján 4.Lookup kapcsolatok egyszerű paraméterezése forrás objektumok és idegen kulcsok alapján 2017.03.23. MMK-Informatikai projekt ellenőr képzés 16

Az adattárházak komponensei: Operatív döntéstámogatás kimenő interfészek i) Bejövő interfészek : file, db-link, connectors, SOA megközelítés szerepe. Szabványok kialakítása ii) Kimenő interfészek : illeszkedés a SOA architektúrába Adattárház funkciók vs. Core rendszer funkciók: A DWH túlnő az eredeti terjedelmén Rugalmasabban lehet fejleszteni mint a Core rendszereket Integrált adatok szükségesek Historikus adatok szükségeke Integrált és historikus adatok szükségesek Vállalati szintű adat architektúra Rövid távú határidők vs. rend 2017.03.23. MMK-Informatikai projekt ellenőr képzés 17

Az adattárházak komponensei: BI - eszköz 2017.03.23. MMK-Informatikai projekt ellenőr képzés 18

Az adattárházak komponensei: adatbányászat 2017.03.23. MMK-Informatikai projekt ellenőr képzés 19

Az adattárházak komponensei: metaadat kezelés, adatminőség, data governance i) Átláthatóság üzleti meta-adatok ii) Értékkészletek és hierarchiák karbantartása iii) Auditálhatóság technikai meta-adatok iv) Adatminőség automatikus ellenőrzések / hibák javítása v) Meta-adat kezelési architektúra -- rajz vi) Data governance az adattárházakat menedzselő szervezet és folyamatok szerepe 2017.03.23. MMK-Informatikai projekt ellenőr képzés 20

Target Adatmodell Forrás adatmodell Mapping szabályok Meta-adat repository Üzleti definíciók Ütemezési meta-adatok Adatminőségi szabályok Info portál Adatminőség ellenőrzés ETL eszköz Ütemező eszköz ETL program 2017.03.23. MMK-Informatikai projekt ellenőr képzés 21

SalesLT.Dim_Geography Geography_Key City StateProvince CountryRegion PostalCode meta_validfrom_date meta_validto_date meta_status_flag... numeric(10) nvarchar(30) nvarchar(50) nvarchar(50) nvarchar(15) datetime datetime SalesLT.Dim_Date DateKey FullDateAlternateKey DayNumberOfWeek EnglishDayNameOfWeek HungarianDayNameOfWeek DayNumberOfMonth DayNumberOfYear WeekNumberOfYear EnglishMonthName HungarianMonthName MonthNumberOfYear CalendarQuarter CalendarYear CalendarSemester FiscalQuarter FiscalYear FiscalSemester meta_validfrom_date meta_validto_date meta_status_flag... Geography_Key = Geography_Key numeric(8) date nvarchar(10) nvarchar(10) smallint nvarchar(10) nvarchar(10) smallint smallint datetime datetime <pk> <pk> <ak> Geography_Key = ShipTo_Address_Key Geography_Key = BillTo_Address_Key DateKey = OrderDate_Key DateKey = DueDate_Key DateKey = ShipDate_Key Customer_Key CustomerID Geography_Key NameStyle Title FirstName MiddleName LastName Suffix CompanyName SalesPerson EmailAddress Phone PasswordHash PasswordSalt AddressLine1 AddressLine2 meta_validfrom_date meta_validto_date meta_status_flag... SalesLT.Dim Customer numeric(10) int numeric(10) bit nvarchar(8) nvarchar(50) nvarchar(50) nvarchar(50) nvarchar(10) nvarchar(128) nvarchar(256) nvarchar(50) nvarchar(25) varchar(128) varchar(10) nvarchar(60) nvarchar(60) datetime datetime Customer_Key = Customer_Key SalesLT.Fact SalesOrder SalesOrder_Key SalesOrderID SalesOrderDetailID Product Key Customer_Key ShipTo_Address_Key BillTo_Address_Key OrderDate_Key DueDate_Key ShipDate_Key OrderQty UnitPrice UnitPriceDiscount LineTotal RevisionNumber Status OnlineOrderFlag SalesOrderNumber PurchaseOrderNumber AccountNumber ShipMethod CreditCardApprovalCode SubTotal TaxAmt Freight TotalDue Comment meta_lastmodification_date meta_status_flag... numeric(10) int int numeric(10) numeric(10) numeric(10) numeric(10) numeric(8) numeric(8) numeric(8) smallint money money money bit nvarchar(25) nvarchar(25) nvarchar(15) nvarchar(50) varchar(15) money money money money nvarchar(max) datetime <pk> <fk> <pk> <fk4> <fk1> <fk2> <fk3> <fk5> <fk6> <fk7> Product Key = Product Key SalesLT.Fact ProductModel Description ProductDescription Key Product Key Culture Description... Product Key = Product Key Product Key ProductID Name ProductNumber Color StandardCost ListPrice Size Weight ProductSubCategory_Key SellStartDate SellEndDate DiscontinuedDate ThumbNailPhoto ThumbnailPhotoFileName Product Model Name CatalogDescription meta_validfrom_date meta_validto_date meta_status_flag... ProductSubCategory_Key = ProductSubCategory_Key SalesLT.Dim ProductCategory ProductSubCategory_Key ProductSubCategoryID ProductSubCategory_Name ProductCategory_Name meta_validfrom_date meta_validto_date meta_status_flag... numeric(10) numeric(10) nchar(6) nvarchar(400) SalesLT.Dim Product numeric(10) int nvarchar(50) nvarchar(25) nvarchar(15) money money nvarchar(5) decimal(8, 2) numeric(10) datetime datetime datetime varbinary(max) nvarchar(50) nvarchar(50) XML datetime datetime numeric(10) int nvarchar(50) nvarchar(50) datetime datetime <pk> <fk> <pk> <fk> <pk> <ak> 2017.03.23. MMK-Informatikai projekt ellenőr képzés 22

Stage Adatminőség biztosítás egy lehetséges módja - Hibás adatok kezelése - Hogyan töltsük? - Mit ne töltsünk? - Speciális esetek pl: - Banki környezetben kötelező jelentések Adatminőségi riportok DWH Javítások a DWH-ban (adattárház hibák) Adatminőségi riportok Adattisztító alkalmazás Javítások a forrásrendszerekben 2017.03.23. MMK-Informatikai projekt ellenőr képzés 23

Az adattárházak komponensei: jogosultság kezelés és adatbiztonság i) Jogosultsági szintek ii) Érzékeny adatok iii) Üzemeltetés fejlesztés környezetek 2017.03.23. MMK-Informatikai projekt ellenőr képzés 24

Az adattárházak komponensei: Klasszikus adattárház és Big Data 2017.03.23. MMK-Informatikai projekt ellenőr képzés 25

Az adattárházak komponensei: Klasszikus adattárház és Big Data 2017.03.23. MMK-Informatikai projekt ellenőr képzés 26

Az adattárház projektek főbb elemei Üzleti követelmény felmérés IT követelmény felmérés Jogosultság kezelés Tesztelés tervezés Meta-adat tervezés Adatmodellezés ETL tervezés Logikai mapping - BA Fizikai mapping - fejlesztés Adatbázis fizikai terv Üzemeltetés tervezés Tesztelés Adatpiac tervezés (adatmodellezés, riport tervezés, logikai, fizikai map, riport fejlesztés tesztelés) Szervezet kiépítés Oktatás 2017.03.23. MMK-Informatikai projekt ellenőr képzés 27

Tipikus adattárház projekt szervezet Projekt Irányító Bizottság Projekt Szponzor Kulcs Stakeholderek PM DW Architect / Technikai vezető Üzleti elemző Team Adatmodellező(k) ETL Team BI Team Üzemeltetés Team Üzleti elemzők/ Tesztelők ETL Fejlesztők/ Tesztelők BI Fejlesztők/ Tesztelők 2017.03.25. MMK-Informatikai projekt ellenőr képzés 28 DBA Release Manager ETL Üzemeltetés Rendszer Admin

Agilitás az adattárház építésben Back-end: töltési megközelítés: vigyünk mindent, modellezzük ami kell Front-end : klasszikus agilis módszerek: SCRUM, prototípus - Megfelelő BI eszközök Klasszikus Bi eszközök vs önkiszolgáló BI - Sand-box az éles környezetben 2017.03.23. MMK-Informatikai projekt ellenőr képzés 29

Mitől sikeres egy adattárház projekt - Terjedelem : ne lőjünk nagyra de legyen hosszú távú víziónk rugalmasság, időtállóság a legfőbb tervezési szempont - Megfelelő szervezet / data governance - Az üzlet és az IT szoros együttműködése : nem kínai fal, üzleti célok vs IT költségek - Agilitás - Szponzor - Több beszállító vs. Egységes adattárház építési módszertan (monopólium vs verseny) - Ügyfél beszállítók partnersége (Saját szervezet vs beszállítók) - Kulcs ügyfél oldali pozíciók: - PM - Adatmodellező - Data steward - BI helpdesk - Üzemeltetés - Adatminőség biztosítása - Tesztelés tervezése időben 2017.03.23. MMK-Informatikai projekt ellenőr képzés 30

Köszönöm a figyelmet! 2017.03.23. MMK-Informatikai projekt ellenőr képzés 31