DM08114 Database: OLAP
|
|
- Charlotte Davidsen
- 8 år siden
- Visninger:
Transkript
1 Indhold OLAP... 2 Hvad er OLAP?... 2 Indledning... 2 BusinessIntelligence... 2 DataWareHouse... 2 OLAP Ideologi... 2 Teknologier... 4 ROLAP, MOLAP og HOLAP... 4 Multidimensional DB, DataCubes... 5 Hvad kan OLAP?... 6 Stærke sider... 6 Forskel fra DataWarehouse... 7 Forskel fra Data Mining... 7 What if Hvordan gør OLAP det?... 7 Indeksering... 7 Reducering af redundans... 7 Ikke kun Business Intelligence... 7 Svage sider... 8 OLAP værktøj... 9 Litteraturliste af 1
2 OLAP Hvad er OLAP? Indledning I overgangen mellem 60 erne og 70 erne startede man i det små med at med at bruge computeren som værktøj til at træffe forretningsbeslutninger. Forretningsanalytikere brugte kategorier som tidsrammer, varer og markeder, hvilket fik systemudviklere til at udvikle platforme hvis elementer svarede til disse kategorier. Igennem tiden har den eksplosive udvikling både samfundsmæssigt og teknologisk ført til det vi i dag kender som Business Intelligence (BI). BI er almen kendt og bliver anset for værende af største betydning for en virksomheds overlevelse. BusinessIntelligence For nogle er BI det sammen som DataWarehouse (DW), for andre er det kontrolpanelet på deres desktop. En generel definition for BI kunne være: alle processer og teknologier der kan hjælpe forretningsfolk til at træffe bedre beslutninger. BI omfatter en bred vifte af tilgange og nye måder at vise og interagere med data på. Enterprise performance management (EPM) Data warehousing (DW) Business reporting, inkl. dashboards og scorecards Predictive analytics og data mining OLAP Hvis man skal definere kernen i BI, så må det være det at arbejde med multidimensionale data (data cubes), og udvinde analytiske svar på hypoteser formuleret som forespørgsler. Det er lige netop dette OLAP gør og er dermed en uundværlig komponent i BI. DataWareHouse Til forskel fra et OLTP system (Online Transaction Processing), som kan producere snapshots af nutidige data ála Hvilke ordre bliver afviklet lige nu, så er Data Warehouse en samling historiske data. DW kan svare på spørgsmål som Hvor mange ordrer kunne vi effektuere i sidste måned, Hvilken måned havde vi den største omsætning eller Hvornår kunne vi effektuere ordre hurtigst. OLAP Ideologi OLAP står for OnLine Analytical Processing, men forkortelsen siger desværre ikke meget om hvad OLAP er. Business Application Research Center BARC et førende uafhængigt software analyse institut har lavet er rapport på nettet om OLAP: BI Verdict. De opdagede temmelig hurtigt at det ikke var alt der var OLAP indeni, selvom der stod OLAP udenpå. For at kunne vurdere forskellige OLAP produkter ved at måle dem op mod et fælles mål, lavede folkene bag BI Verdict deres eget akronym for OLAP som de kalder FASMI, hvilket står for: Fast Analysis of Shared Multidimensional Information. Denne definition beskriver hvad produkterne bør kunne leve op til for at gå under betegnelsen OLAP: 2 af 2
3 FAST: Langt de fleste analyser bør ikke tage mere end 5 sekunder. De lette ikke mere end 1 sekund og meget få op til 20 sekunder. Et studie i Holland har vist at brugeren formodede forespørgslen ugennemførlig hvis svartiden oversteg 30 sekunder. Også selvom brugeren er blevet advaret om at en forespørgsel vil tage længere tid end normalt, forstyrre det tankegangen og kvaliteten af analysen lider under det. Det er ikke let at nå disse mål specielt ikke hvis der er mange on the fly og ad hoc kalkulationer, men det er her der bliver meldt om det største behov fra brugerne. ANALYSIS: Det skal være muligt at bruge produktet på en intuitiv måde for slutbrugeren. Enten ved hjælp af et regneark eller i producentens eget værktøj. Det er ikke acceptabelt at slutbrugeren skal kunne programmere for at kunne lave nye ad hoc kalkulationer. Der er ikke alle produkter der lever op til dette krav. SHARED: Det bør være muligt at lave sikkerhedsrestriktioner helt ned på celle niveau. Og hvor det er relevant opdaterings låsning på et passende niveau. Det er ikke alle systemer der har behov for at kunne skrive tilbage i en multibruger verden, men det er et stigende behov, så produktet bør kunne håndtere dette på en tidsnær og sikker måde. Dette er en svaghed hos mange OLAP produkter som tit forudsætter at der kun er behov for read only. Endda nogle OLAP produkter der tillader multi brugere og read write har kun grovmaskede sikkerhedsrestriktioner. MULTIDIMENSIONAL: Dette er nøglebehovet i et OLAP produkt. Skal man fortælle hvad OLAP er så er det multidimensionalitet. Der er behov for fuld understøttelse af et multidimensionalt syn på data inklusiv hierarkier og multiple hierarkier, da det er den mest logiske måde man kan analyserer forretninger og organisationer på. Det er ikke nødvendigt at fastlægge en grænse hvor mange dimensioner der bør være i det enkelte produkt fordi det ikke lader til at være her der er indskrænkninger. Der lader til at være mere end nok i de forskellige produkter. Det er ikke vigtigt at specificere hvilken underliggende databaseteknologi der bliver brugt til at stille den multidimesionale database til rådighed med, da det ikke er af signifikant betydning for ydelsen. INFORMATION: er alle data og deraf afledte data der er brug for, lige meget hvor det ligger og hvor relevant det er for applikationen. De forskellige produkter bliver målt på hvor meget data de kan håndterer ikke hvor meget det fylder. Der er store forskelle mellem produkterne. De største OLAP produkter kan håndtere ca. tusinde gange mere data end de mindste. Der bør ligge mange overvejelser omkring anskaffelse til dette punkt. 3 af 3
4 Teknologier Et OLAP system består af 4 dele: Server: Indeholder databasen og kører beregningsmotoren. Database: OLAP data gemmes multidimensionalt i hvad tit betegnes som cubes (terninger). Beregningsmotor: Styrer aggregeringen af data og optimerer forretningskalkulationer. Kalkulationerne bliver lagret i metadata for systemet og ikke i applikationer eller analyser. Frontend analyse og rapporteringsværktøj: Præsenterer de multidimensionale data for slutbrugeren. Det kan være med brugervenlige værktøjer til analyse som regneark i Excell, webbaserede kontrolpaneler eller interaktive rapporter. ROLAP, MOLAP og HOLAP OLAP kan implementeres på flere måder, nemlig som MOLAP, ROLAP og HOLAP. Forskellen mellem dem går på hvordan data bliver lagret. indeholder en værdi. Med MOLAP bliver data lagret i en multidimensional database. MOLAP Cubes bliver automatisk indekseret baseret på dimensionen og data bliver fundet ved at bruge offset adressering. For at finde en given værdi i en multidimensional database er det kun nødvendigt at bruge addition og multiplikation hvilket er meget hurtige operationer for en computer. MOLAP er bedst til meget tætte data hvor de fleste celler i en terning ROLAP er egnet for data med en lav tæthedsgrad. De lagres i et traditionelt stjerne eller snefnugskema. Data bliver hverken aggregeret eller manipuleret. Man kan bruge SQL for at tilgå dem. ROLAP giver automatisk alle de kendte fordele ved den relationale database såsom høj tilgængelighed, konsistente data, backup og recovery, parallel behandling, og job planlægning. HOLAP er en blanding af de to teknologier, hvor detaildata bliver lagret i den relationale del og aggregeringerne i den multidimensionale del. Man kan så bore sig igennem fra den multidimensionale database til den relationale hvis man har brug for at få fat i detailværdierne. I dag understøtter mange produkter denne form for implementering. 4 af 4
5 Multidimensional DB, DataCubes I multidimensionale databaser er data organiseret i dimensioner. Disse dimensioner kan refererer til de allerede i indledningen nævnte, nemlig vare, markeder og tid som bruges af forretningsanalytikere. Dimensioner kan defineres som en karakteristik af et dataset. En dimension indeholder medlemmer som deler den samme karakteristik. Medlemmerne bliver ofte opdelt hierarkisk indenfor dimensionen. Dimensionen tid kan repræsentere et år og opdeles i kvartaler som yderligere opdeles i måneder. Vare kan inddeles i varegrupper og markeder i regioner, lande og landsdele. Den hierarkiske inddeling af medlemmerne giver mulighed for at danne aggregater. Dvs. opsummering indenfor fx vare i varegrupper, måneder i kvartaler eller år, og landsdele i lande eller regioner. Hirakierne kaldes parent medlemmer hvis de underopdeles og underopdelingen child medlemmer. Dimensionen tid indeholder således parent hirakiet år, som indeholder child hirakier kvartal, som selv er parent hiraki for child medlemmerne måned. Aggregeringerne er medfødte i hierarkierne. Metadataene (fx kvartal) i et OLAP system indeholder aggregeringsreglerne. Derved er applikationen fri for at holde styr på disse og det sikre at reglerne er konsistente for alle rapporter og analyser. En terning forklarer multidimensionsbegrebet godt. De tre kanter fra et givet hjørne udgør dimensionerne: vare, tid og region. Linjerne der udgår fra kanterne er medlemmer af en dimension og krydser hinanden inden i terningen og kan potentielt indeholde en værdi som kunne være antallet af en bestemt vare, solgt til en bestemt tid, i en bestemt region. 5 af 5
6 Hvad kan OLAP? OLAP bruges til at gøre dataene i DW tilgængelige på en overskuelig måde for dem der skal bruge disse. Det er ikke nødvendigt med en speciel programmør uddannelse for at kunne bruge OLAP. Derimod skal man fx have indsigt i og forståelse omkring virksomhedens salg, marketing eller hvad der er ens indgangsvinkel til data. Som før nævnt er OLAP en af kerneydelserne i BI og kan bidrage med mange forskellige statistiske ydelser som fx: Analysering af financielle data Budgeting og planlægning Forecasting Afløsning af manuelle regneark Øge hastigheden på data warehousing Forstærke ERP systemet Erstatte brugerdefinerede SQL rapporter Analyse kan ikke blive bedre end data Stærke sider Et nøgleord i OLAP er pålidelige data. Før i tiden brugte analytikere timer på at putte data ind i regneark og få dem i en form så de kunne lave rapporter der kunne bruges. De lavede dusinvis, ja, hundredvis af disse regneark og organisationerne var dybt afhængige af dem. Problemet var bare at der var lige så mange definitioner på noget så simpelt som salg eller profit som der var analytikere. Dette resulterede i det fænomen der blev kendt som regnearkshelvede. For at forstå dybden af dette problem kan forsøge at forestille sig ti analytikere hver med deres regneark med selvudtænkte tabeller og funktioner for forskellige tal. Ingen af disse regneark indeholder de samme data. Dette gør det meget svært for ikke at sige umuligt for ledelsen at finde en fornuftig beslutning som følger tallene, når ingen kan blive enige om de tilgrundliggende tal. Problemet er ikke begrænset til regnearkene. Mange organisationer har flere rapporteringssystemer med hver deres database bag. Når data formerer sig ved knopskydning er det meget svært at afgøre om de er pålidelige. OLAP centraliserer data og kalkulationer og sikre derved at der kun er en kilde til data for alle slutbrugere. Nogle OLAP systemer gemmer alle data i en multidimensional database andre gemmer kun nogen og linker til andre data i en relationel database. Andre OLAP systemer er indlejret i DW systemer og gemmer data multidimensionalt i databasen. Uanset hvordan OLAP er blevet implementeret, det der er vigtigt er at slutbrugeren har tilgang til pålidelige data og kalkulationer som understøtter BI. Tankens hastighed (Speed of tought) også kaldet ad hoc analyser er den alt dominerende styrke ved OLAPsystemer. Fordi der er så mange prækalkulerede resultater kan en analytiker hurtigt følge sine intuitioner og se resultatet af forskellige senarier. Det er her systemet virkelig beviser sin værdi for kunden. En af grundene til et OLAP system er så hurtigt er at, de hierarkiske aggregater er prækalkulerede. Dvs. mange af de værdier, der i en RDB skulle kalkuleres for hver forespørgsel, ligger forkalkuleret i et OLAPsystem. 6 af 6
7 Forskel fra DataWarehouse DW er en subjekt orienteret relational DB der indeholder historiske data. Den er ReadOnly bortset fra tilføjelse af data fra OLTP systemet. OLAP er også orienteret omkring subjekter som er det der er noteret og opsummeret i cellerne, men hierarkisk og multidimensionalt. MDDB en indeholder historiske + hypotetiske data, som er forskellige projektioner på trenden. Derfor er DB en RW. Forskel fra Data Mining Data Mining er en mere sofistikeret måde at forsøge at aflæse en trend på. Data Minings styrke ligger i at den kan sammenligne udviklinger og komme med mere nuancerede bud på en mulig udvikling/trend. What if Hvordan gør OLAP det? I OLAP DB en kan man bygge en kalkulationsmodel, som er en projektion på fx profit og tab i de næste 5 år. Derpå bygger man forskellige senarier alt efter hvilket behov man har. Senarierne indeholder fx inddata som: Indtægt i år 0 Forventet indtægtsvækstrate CAGR (cumulative average growth rate) Bruttooverskudsmargin i % Ikke driftsomkostninger Skatteprocent på indkomst Dividenderaten Output herfra kan være: Indtægt Brutto margin Operations margin Profit før skat Profit efter skat Tildeling til reserver Indeksering Aggregaterne, altså summerne bliver prekompileret og derefter indekseret. Dimensionerne bliver indekseret (RDB). Redundans Redundans i en MOLAP findes i aggregaterne fordi de alle er beregnede data. Information om dimensionerne ligger i metadata, her er der ingen redundans. Der er meget mere redundans i en ROLAP netop pga. dimensionerne som her ikke ligger i metadata, men den er bevidst og skal ikke vedligeholdes. Ikke kun Business Intelligence Det er muligt at nedfælde alt hvad man kan fatte i tal i OLAP. Fx kan man gemme og analysere på vejrdata, militær data, kriminal data, medicinske data. Mulighederne er uendelige. 7 af 7
8 Svage sider De prækalkulerede data i et OLAP system er samtidig dets akilleshæl. Jo mere spredte de data er man lægger ind i systemet jo flere værdier skal systemet selv kalkulere. Det kan i ugunstige tilfælde føre til det man kalder Eksploderende databaser De tre typer af multidimensionale data man finder i et OLAP system. Data fra eksterne kilder (den blå cylinder) bliver kopieret til den røde marmorterning, som repræsenterer multidimensionale data; afledt derfra gemte prækalkulerede resultater vist som murstenskassen omkring marmorterningen; og den store trækasse er kalkulerede data pr. forespørgsel, disse bliver kalkulerede ved runtime og ikke gemt i databasen. Man kunne fristes til at tro at forholdet er lidt overdrevet mellem mængden af tilført og beregnet data. Det er IKKE tilfældet, faktisk er det tit modsat, idet det kommer an på hvordan de data man tilfører systemet er. Er det tætte data, forholder de sig nogenlunde som på billedet, men tilfører man mere spredte data over mange dimensioner kan man opleve en til tider underlig, overraskende og ødelæggende opførsel mht. DBvækst. Kurven til højre viser forholdet mellem vækstfaktor og datatætheden. Hvis antallet af dimensioner er over 6 er det ikke svært at komme over en vækstrate på 2 og så kan størrelsen af databasen begynde at tippe og blive ustabil. Imod mange formodninger har fænomenet ikke noget at gøre med databasentypen. Fænomenet forekommer i alle databasetyper. 8 af 8
9 OLAP værktøj For at visualisere hvordan et værktøj til OLAP kan se ud har jeg valgt et lille et af slagsen på nettet. Det hedder OlapCube og med det kan man fremstille Cuber. Jeg har brugt den sammen med MS AdventureWorks DB Her skal man beslutte hvilke tabeller fra DB en der skal med for at man kan få de ønskede dimensioner. Dernæst skal man oprette dimensionerne. De værdier man ønsker der skal aggregeres på er dem der kommer med i Measures Når det er gjort kan man lave Cuben, som så kan vendes og drejes i et grafisk miljø. Her er det en grafisk repræsentation på salgstallene fra Europa, i året 2003 i produktgruppen Beklædning Det er også muligt at vælge andre grafiske repræsentationer. Her er det et søjlediagram i faldene orden. Man kan også vælge at se sine tal i et excell regneark, hvor man selv kan bruge pivotering og alle de værktøjer der ligger der og på den måde få vist tallene på flere måder. 9 af 9
10 Litteraturliste The Multidimensional Data Modeling Toolkit: Making Your Business Intelligence Applications Smart with Oracle OLAP (Paperback)by John Paredes Oracle Essbase & Oracle OLAP: The guide to Oracle s Multidimensional Solution ORACLE PRESS Michael Schrader, Dan Vlamis, Mike Nader, Chris Claterbos, Dave Collins, Floyd Conrad, Mitch Campbell cubes and multidimensional analysis.aspx verdict.com intelligence/olap data analysis.php 10 af 10
DM08115 DATABASE 08.06.2010
Hvad er OLAP OLAP er en databaseteknologi, der er blevet optimeret til forespørgsler og rapportering i stedet for behandling af transaktioner. Kildedataene for OLAP er OLTP- databaser (Online Transactional
Læs mereTietgenskolen - Nørrehus. Data warehouse. Database for udviklere. Thor Harloff Lynggaard DM08125
Tietgenskolen - Nørrehus Data warehouse Database for udviklere Thor Harloff Lynggaard DM08125 Juni 2010 Indhold Beskrivelse... 3 Data warehouse... 3 Generelt... 3 Sammenligning... 3 Gode sider ved DW...
Læs mereData Warehouse Knowledge is Power - Sir Francis Bacon -
Data Warehouse 4. sem. datamatiker uddannelse Tietgen Skolen Odense Skrevet af Troels Markvard Andersen (DM08228) Knowledge is Power - Sir Francis Bacon - Troels Markvard Andersen Side 1 af 8 Forord /
Læs mereInformation Integration
Databaser, efterår 2002 Information Integration Troels Andreasen Datalogiafdelingen, hus 42.1 Roskilde Universitetscenter Universitetsvej 1 Postboks 260 4000 Roskilde Telefon: 4674 2000 Fax: 4674 3072
Læs mereSOL - et Statistik Og Ledelsesrapporteringssystem til TDC Mobil Analyse og Økonomi
En software produktion af Firma Joakim Dalby hos TDC Mobil SOL - et Statistik Og Ledelsesrapporteringssystem til TDC Mobil Analyse og Økonomi En datawarehouse løsning med data fra mange kilder, og præsentation
Læs mereVejledning: Anvendelse af kuber på NS-data fra LDV i Excel 2007. Målgruppe: Slutbruger
Vejledning: Anvendelse af kuber på NS-data fra LDV i Excel 2007. Målgruppe: Slutbruger April 2015 Indholdsfortegnelse Indholdsfortegnelse 2 1 Indledning 3 1.1 Metode til anvendelse af kuber med Excel 2007
Læs mereKursuskalender 2015. Savner du et kursus på listen, er du meget velkommen til at kontakte os på mail: saskurser@sas.com
Kurser Dage januar februar marts april maj juni SAS College SAS College: Analyse 12. & 26. 9. & 23. 7. & 21. SAS College: Data Visualization SAS College: SAS Visual Analytics Advanced Foundation - Programming
Læs mere"A subject-oriented, integrated, time-variant, and non-volatile collection of data in support of managements dicision-making process.
Data warehouses Introduktion til Data Warehousing... 2 Konceptet bag et Data Warehouse... 2 Data Warehousets fordele... 3 Problemer med Data Warehouses... 3 OLTP vs EDW... 4 Data Warehouse Arkitektur...
Læs mereVirksomhedens informationssystem. Det elektroniske kontor. Elektronisk dokumenthåndtering Samfundet. Systembeskrivelse II IT og økonomi
Virksomhedens informationssystem Systembeskrivelse II IT og økonomi Det elektroniske kontor Elektronisk dokumenthåndtering Hvordan omlægger vi arbejdsgange, så elektronikken styrker vores arbejde? Data
Læs mereSQL ny front-end
SQL 2016 - ny front-end Overblik De største nyheder i SQL Server 2016 finder vi på front-enden, hvor en helt ny og redesignet rapporteringsplatform i Reporting Services er den fremadrettede grundstamme
Læs mereDelphi og Databaser for begyndere
Denne guide er oprindeligt udgivet på Eksperten.dk Delphi og Databaser for begyndere Denne artikel handler om hvordan man udnytter noget af det bedste i Delphi: Dets gode muligheder for integrering med
Læs mereVejledning: Anvendelse af kuber på SLS data fra ØS LDV. Målgruppe: Slutbruger
Vejledning: Målgruppe: Slutbruger Juni 2008 Indholdsfortegnelse Indholdsfortegnelse 2 1 Indledning 3 1.1 To metoder til anvendelse af kuber med Excel 2003 3 2 Etablering af forbindelsen til kuber via Pivot-tabel
Læs mereVejledning: Anvendelse af kuber på SLS-data fra LDV i Excel 2007. Målgruppe: Slutbruger
Vejledning: Anvendelse af kuber på SLS-data fra LDV i Excel 2007. Målgruppe: Slutbruger April 2015 Indholdsfortegnelse Indholdsfortegnelse... 2 1 Indledning... 3 1.1 Metode til anvendelse af kuber med
Læs mereDiagrammer visualiser dine tal
Diagrammer visualiser dine tal Indledning På de efterfølgende sider vil du blive præsenteret for nye måder at arbejde med Diagrammer på i Excel. Vejledningen herunder er vist i Excel 2007 versionen, og
Læs mereDYNAMICS AX 2012 FÅ OVERBLIK OG SE NYE MULIGHEDER BUSINESS PRODUCTIVITY
1 DYNAMICS AX 2012 FÅ OVERBLIK OG SE NYE MULIGHEDER BUSINESS PRODUCTIVITY Peter Holm & Morten Albrechtsen Maj 2013 AGENDA INTRODUKTION TIL BUSINESS PRODUCTIVITY HOS COLUMBUS PÅ BESØG I AX 2012 BUSINESS
Læs mereLangtved Data A/S Nyhedsbrev
Langtved Data A/S Nyhedsbrev Nr. 2 Indledning I denne udgave af nyhedsbrevet har vi valgt at sætte fokus på interessante faciliteter som allerede benyttes af nogle af vores kunder og som kunne være interessante
Læs mereRegion Nordjylland. Hvordan skaber et datavarehus værdi i en regional forvaltning? Juni 2015
Region Nordjylland Hvordan skaber et datavarehus værdi i en regional forvaltning? Juni 2015 Hvem er vi Hanne Purkær Fuldmægtig Koncern Økonomi (Systemejer) Region Nordjylland Dagligt ansvar for BI Jan
Læs mereSharePoint 2007 + 2010 Business Intelligence
SharePoint 2007 + 2010 Business Intelligence Modtager Forfatter Dato Version SPBG Martin Sams 1.0 Jeres indlægsholder i dag... Martin Norrbom Sams Direktør & Partner i ProActive 15 års professional erfaring
Læs mereForecasting - MED SIKKER GRUND UNDER FØDDERNE
Demand Planner 2 MICROSOFT BUSINESS SOLUTIONS MICROSOFT BUSINESS SOLUTIONS 3 Forecasting - MED SIKKER GRUND UNDER FØDDERNE Kan du forudsige kundernes efterspørgsel, får du bedre mulighed for at styre virksomheden
Læs mereAppendiks - Speciale ITU 2002 Offline XML Datavarehus. Figuroversigt. Afsnit 1 Figur 1.1 Fiktiva s nuværende datastruktur
Figuroversigt 1. Kapitel Testdata Afsnit 1 Figur 1.1 Fiktiva s nuværende datastruktur Afsnit 2 Figur 1.2 Fiktiva s fremtidige datastruktur Afsnit 3 Figur 1.3 Datamodel for forhandler databaser Afsnit 4
Læs mereMicrosoft Executive Circle Arken 25 marts 2004 Økonomi & ledelsesrapportering hos Rambøll Danmark
Microsoft Executive Circle Arken 25 marts 2004 Økonomi & ledelsesrapportering hos Rambøll Danmark Indlæg ved: Michael Schad, økonom, Rambøll dir.support RAMBØLL Gruppen RAMBØLL Gruppen RAMBØLL Management
Læs mereBest practice. Forudsætninger for et godt data warehouse SAS Data Integration Studio
Best practice Forudsætninger for et godt data warehouse SAS Data Integration Studio Anne Boilesen, konsulent Jacob Høy Berthelsen, konsulent SAS Institute A/S Best practice Forudsætninger for et godt data
Læs mereBusiness Intelligence brug data til at gøre din virksomhed smart
Business Intelligence brug data til at gøre din virksomhed smart Professor Torben Bach Pedersen Center for Data-intensive Systemer Aalborg Universitet Hvem er jeg? Mig BrainMatch 27. marts 2012 2 Hvad
Læs mereAnvend dine SAS -programmer som SAS Stored Processes
Anvend dine SAS -programmer som SAS Stored Processes Christina Johansson & Thomas Bjerggaard SAS Institute A/S indicates USA registration. Emner Hvad er en STP? Hvordan danner man en STP? Hvem kan bruge
Læs mereFig. 1 Billede af de 60 terninger på mit skrivebord
Simulation af χ 2 - fordeling John Andersen Introduktion En dag kastede jeg 60 terninger Fig. 1 Billede af de 60 terninger på mit skrivebord For at danne mig et billede af hyppighederne flyttede jeg rundt
Læs mereAgenda. Typiske udfordringer. Begreber omkring recovery. Forretningens krav. Metoder/muligheder. Recovery med TSM. Nye teknologier
Agenda Typiske udfordringer Begreber omkring recovery Forretningens krav Metoder/muligheder Recovery med TSM Nye teknologier Afrunding - spørgsmål Typiske udfordringer Ingen SLA fra forretningen på systemer
Læs mereKvalitetsseminar. At sætte en standard, der skaber værdi. Copyright 2006, SAS Institute Inc. All rights reserved.
Kvalitetsseminar At sætte en standard, der skaber værdi Copyright 2006, SAS Institute Inc. All rights reserved. Udfordringer Store krav til kontrol og styring Sværere at skabe overblik over sager og medarbejdere
Læs mereDen digitale virkelighed
Hvem er vi What is hot 2018 undersøgelse Resultat og top scorer Trends indenfor top scorer Den digitale virkelighed Jannik Andersen kaastrup andersen Erfaringer og trends vi oplever Teknologiske aspekt
Læs mereImport af rekursivt (parent-child) hierarki i Palo
Import af rekursivt (parent-child) hierarki i Palo Dette dokument beskriver hvordan et simpelt rekursivt (parent-child) hierarki kan importeres ind i Palo på forskellige måder via SQL og samtidig bibeholde
Læs mereData repository løsningsbeskrivelse
Indhold Dokument status... 1 Beskrivelse af ICT s Analytiske Arbejdsområde... 2 Teknisk setup med Hadoop og Hive... 2 Arbejdsområder... 2 Arbejdsområder Udestående:... 3 Arkivet... 3 Arkivet Udestående:...
Læs mereDatabase optimering - Indeks
Database optimering - Indeks Alle kender til dette irritations moment, hvor programmet man sidder og arbejder med, bare ikke er hurtigt nok. Selvom det kun drejer sig om få sekunder man sidder og venter,
Læs mere1:1 Kampagne-evaluering i Danske Bank
SAS Forum 1:1 Kampagne-evaluering i Danske Bank Cathrine Pough Pedersen, Business Intelligence & Analytics Thomas Vasehus, Business Intelligence & Analytics 4 Oktober 2012 Hvem er vi Cathrine Pedersen,
Læs mereVelkommen SAS Forum 2010
Velkommen SAS Forum 2010 Bent Sørensen Country manager Velkommen til SAS Forum 2010 Faglighed og netværk Velkommen til SAS Forum 2010 en institution gennem 25 år Velkommen til SAS Forum 2010 en institution
Læs mereKursusoversigt for juli 2007 januar 2008
Matcher dine kompetencer din rolle og dine opgaver Kursusoversigt for juli 2007 januar 2008 MERE KURSUS FOR FÆRRE PENGE Vores ekspertundervisere er kvalificerede instruktører, der arbejder som SAS konsulenter,
Læs mereMAPINFO PROFESSIONAL V11.5
MAPINFO PROFESSIONAL V11.5 Pinpointing potential has never been so easy! Insights Danmark 2012 13. september 2012 Peter Horsbøll Møller, Senior Systems Engineer LAD OS SE PÅ MAPINFO PROFESSIONAL V11.5
Læs mereHassansalem.dk/delpin User: admin Pass: admin BACKEND
Hassansalem.dk/delpin User: admin Pass: admin BACKEND 1/10 Indledning Dette projekt er den afsluttende del af web udvikling studiet på Erhvervs Lillebælt 1. semester. Projektet er udarbejdet med Del-pin
Læs merePBAS V.9 Brugervejledning i indmelding
PBAS V.9 Brugervejledning i indmelding Indholdsfortegnelse Produktionsplanlægning fra ét skærmbillede... 3 1 Produktionsplanlægning... 4 1.1 Indmelding af spot-produktion, blokbud og systemydelser... 4
Læs mereComputerens - Anatomi
2014 Computerens - Anatomi Rapporten er udarbejdet af Andreas og Ali Vejleder Karl G Bjarnason Indholdsfortegnelse Formål... 2 Indledning... 2 Case... 3 Design... 3 Skitser... 4 Planlægning... 5 Kravsspecifikation...
Læs mereSoftwareløsninger til dit netværk
www.draware.dk Softwareløsninger til dit netværk Overvågning Side 4 Analyse Side 11 Sikkerhed Side 14 Administration Side 21 Asset management Side 27 Dokumentation Side 30 Kundecitater Side 35 Bedre overblik
Læs mereSimulering af stokastiske fænomener med Excel
Simulering af stokastiske fænomener med Excel John Andersen, Læreruddannelsen i Aarhus, VIA Det kan være en ret krævende læreproces at udvikle fornemmelse for mange begreber fra sandsynlighedsregningen
Læs mereHvorfor starte fra bunden?
! Hvorfor starte fra bunden? Udrul BI4Dynamics på blot 1 dag! Installationsguiden opbygger det komplette data warehouse på Microsoft SQL Server og udruller OLAP kuber i Microsoft Analysis Services. Under
Læs merePHP Quick Teknisk Ordbog
PHP Quick Teknisk Ordbog Af Daniel Pedersen PHP Quick Teknisk Ordbog 1 Indhold De mest brugte tekniske udtryk benyttet inden for web udvikling. Du vil kunne slå de enkelte ord op og læse om hvad de betyder,
Læs mereAPEX i Praksis Martin B. Nielsen. Navn. MBNDATA Emne
APEX i Praksis Martin B. Nielsen Navn MBNDATA Emne Foredragsholderen Oracle/APEX Arkitekt/udvikler/DBA Siden Oracle v.5 (1988) APEX Siden 2007, men før (Database provider, HTMLDB) MBNDATA siden 1996 MBNDATA
Læs mereDansk CMS sendt op i skyen med Windows Azure på kun en uge Vidste ikke om C1 ville virke på Azure
Dansk CMS sendt op i skyen med Windows Azure på kun en uge Med hjælp fra.net udviklercommunitiet forvandlede Danske Composite sit CMS-produkt, C1, til en cloud-applikation på blot en uge. Næste skridt
Læs mereVisualisering. Kan opdeles i 2 dele Præsentations værktøj Portal
Innofactor Plc 2000-2012 Visualisering Stigende krav til visualisering Brugervenlighed - flere brugere skal kunne anvende og lave visualiseringer Dynamisk Æstetisk Flere forskellige former for visualiseringer
Læs mereAARHUS UNIVERSITET. Økonomi 17. maj 2016
Vejledning til opdatering af excel ark i forbindelse med overgang til ny LDV AU skal overgå til en ny version af LDV, så AU er på niveau med resten af staten mht. til versionen af LDV. Excel ark som er
Læs mereVejledning udvidelse af datagrundlag i LDV og Power BI
Vejledning udvidelse af datagrundlag i LDV og Power BI Målgruppe: IT-medarbejdere og brugere af LDV August 2018 Vejledning integration af ekstern data i LDV og Power BI Side 1 af 9 1. Indledning Vejledningen
Læs mere\ \ Computerens Anatomi / /
HTX Roskilde - mat-it-prog, 1.4 \ \ Computerens Anatomi / / Introduktion En PC ( personlige computer ) eller computer er bygget op af forskellige komponenter. Vi vil hermed gennemgå størstedelen af computerens
Læs mereBusiness Intelligence
Business Intelligence WHITE PAPER Version 5. marts 2019 Side 1 af 11 INDHOLD Business Intelligence... 3 Analyser... 4 Værdiskabelse... 4 Målrettede rapporter og dashboards... 5 Use cases... 5 En skræddersyet
Læs mereSkaber nemt og hurtigt overblik over data fra automatiserede anlæg
Skaber nemt og hurtigt overblik over data fra automatiserede anlæg SIA platformen er et unikt og innovativt produkt, der tilbyder data og værktøjer til at give overblikket over automatiserede anlæg En
Læs mereMåske kender du nogle af de tips og tricks, guiden indeholder, men så bliver du blot bekræftet i, at du gør det rigtige.
JETREPORTS TIPSOG TRICKS Indledning Jet Reports er et fantastisk rapporteringsværktøj integreret i Excel. De fleste af os bruger nok kun en brøkdel af de muligheder som Jet Reports og Excel har. Denne
Læs mereHVAD ER VÆRDIEN AF ANALYTICS FOR DIN VIRKSOMHED
HVAD ER VÆRDIEN AF ANALYTICS FOR DIN VIRKSOMHED AARHUS D. 26. MAJ 2015 PETER ANDERSEN, SAS INSTITUTE THE POWER TO KNOW HVEM ER SAS INSTITUTE? 91 af top 100-virksomhederne på 2013 FORTUNE Global 500 listen
Læs merewww.saskurser.dk Praktisk information Tilmelding Du tilmelder dig telefonisk på 7028 2973 eller på:
Praktisk information Kursussteder Kurserne afholdes i SAS Knowledge & Education Centre på følgende adresser: København - Købmagergade 7-9, 1150 København K Skanderborg - Kr. Kielbergsvej 3, 8660 Skanderborg
Læs mereHvorfor skal vi bruge objekt orienteret databaser?
OODBMS Vs. RDBMS 1 Indholdsfortegnelse Hvorfor skal vi bruge objekt orienteret databaser?... 3 OODBMS i erhvervslivet... 4 Bagsiden af medaljen... 5 OODBMS i praksis... 6 Konklusion... 8 2 Hvorfor skal
Læs mereInformationsteknologi D Gruppe 16 Opgaver. Gruppe 16. Informationsteknologi D
Opgaver Gruppe 16 Informationsteknologi D IT Opgaver Her kan du se alle de IT opgaver som vi har lavet i løbet at vores informationsteknologi D periode. Media College Aalborg Side 0 af 7 Indholdsfortegnelse
Læs mereOpret ODBC datakilde Vejledning
Vejledning V. 1 APRIL 2011 FOR KUNDESERVICE Indholdsfortegnelse 1 Indledning... 3 1.1 Formål... 3 1.2 Målgruppe... 3 1.3 Krav... 3 2 Opret ODBC Datakilde (Open Database Connectivity)... 3 2.1 Forbindelse
Læs mereBI FOR NEWBIES. Bliv Business Intelligent med Accobats BI-opslagsværk
BI FOR NEWBIES Bliv Business Intelligent med Accobats BI-opslagsværk Introduktion Analysis Services 3 4 Key Performance Indicator (KPI) Kimball Tilgangen Kollaborativt Business Intelligence Back-end Big
Læs mereDe 5 Benspænd. Prophix viser vejen til effektiv økonomistyring
De 5 Benspænd Prophix viser vejen til effektiv økonomistyring I har et ERP-system, der håndterer jeres transaktioner og i nogen grad rapportering. Men måske oplever I også, at et ERP-system har nogle begrænsninger,
Læs mereVejledning i udtræk af input-output data fra Statistikbanken
- 1 - Vejledning i udtræk af input-output data fra Statistikbanken Introduktion Input-output tabellerne er konsistente med nationalregnskabet og udarbejdes i tilknytning hertil. De opdateres årligt i december
Læs mereHvad er InfoPath? Et program i Microsoft Office System En desktop applikation Platformen for en ny generation af elektroniske formularer
Hvad er InfoPath? Et program i Microsoft Office System En desktop applikation Platformen for en ny generation af elektroniske formularer Office InfoPath 2007 kan hjælpe dig med at indsamle oplysninger
Læs mereHar det en værdi og hvordan kommer du i gang?
Virtualisering? Har det en værdi og hvordan kommer du i gang? Torben Vig Nelausen Produktchef Windows Server, Microsoft og Claus Petersen Senior Partner Technology Specialist, Microsoft Agenda Hvad er
Læs mereEA3 eller EA Cube rammeværktøjet fremstilles visuelt som en 3-dimensionel terning:
Introduktion til EA3 Mit navn er Marc de Oliveira. Jeg er systemanalytiker og datalog fra Københavns Universitet og denne artikel hører til min artikelserie, Forsimpling (som også er et podcast), hvor
Læs mereDynamics AX 2012 (og AX 7) v. Benny Jepsen, Chief Solution Architect, EG A/S
Dynamics AX 2012 (og AX 7) v. Benny Jepsen, Chief Solution Architect, EG A/S Agenda Overordnet om AX og i hvilken retning går udviklingen? Intro til AX 2012 og brugeroplevelsen Dynamics AX i en koncern/i
Læs mereEr du på udkig efter en effektiv, sikker og overkommelig server til en mindre virksomhed?
Er du på udkig efter en effektiv, sikker og overkommelig server til en mindre virksomhed? En virksomhed skal ikke have ret mange ansatte, før det er værd at investere i en server, der kan gøre det meget
Læs mereUC Effektiviseringsprogrammet. Projektgrundlag. Business Intelligence. version 1.2
UC Effektiviseringsprogrammet Projektgrundlag Business Intelligence version 1.2 9. september 2014 1 Stamdata Stamdata Projektnavn (forventet): Projektejer: Projekttype: Business Intelligence It-chef Hans-Henrik
Læs mereBILAG. til. Kommissionens delegerede forordning
EUROPA- KOMMISSIONEN Bruxelles, den 12.10.2015 C(2015) 6823 final ANNEX 1 PART 6/11 BILAG til Kommissionens delegerede forordning om ændring af Rådets forordning (EF) nr. 428/2009 om en fællesskabsordning
Læs mereDETALJERET TRIN-FOR-TRIN GUIDE TIL AT OPDATERE DIN VERSION AF MAMUT BUSINESS SOFTWARE FRA VERSION 8.0 ELLER NYERE
Mamut Business Software INSTALLATIONSGUIDE Opdatering af dit Mamut-system DETALJERET TRIN-FOR-TRIN GUIDE TIL AT OPDATERE DIN VERSION AF MAMUT BUSINESS SOFTWARE FRA VERSION 8.0 ELLER NYERE Mamut kundskabsserie,
Læs mereFiler og Mapper. Filer. Mapper
Indhold Filer og Mapper... 3 Filer... 3 Mapper... 3 Stifinder... 4 Eksempler på stifinder... 5 Markering af drev, filer og mapper... 5 Vælg vilkårlige mapper/filer... 7 Selandias drev... 8 Opret ny mappe...
Læs mereDYNATEAM COURSE MANAGEMENT
DYNATEAM COURSE MANAGEMENT Dynateam Course Management CRM 2013 løsning Course Management Course Management Dynateam tilbyder virksomheder der sælger kurser, uddannelser og events en overskuelig, brugervenlig
Læs mereHvorledes kan Business Intelligence påvirke organisationen. København d. 20. november 2013 TDC
Hvorledes kan Business Intelligence påvirke organisationen København d. 20. november 2013 TDC 1 TDC at a glance Etableret 21. august 1882 ~10,000 medarbejd ere ~9 million kunderelat ioner ~39,000 km fiber
Læs mereKarens lille vejledning til Access
Karens lille vejledning til Access Indhold Hvad er Access? 1 Lave en database 2 Design af tabellen 2 Felttyper 2 Indtastning af data 3 Udtræk fra tabellen 3 Forespørgsel 3 Muligheder med forespørgsel 3
Læs mereStyr på processerne med Business Intelligence
Styr på processerne med Business Intelligence 26-10-2009 Kort om Bridgeconsulting A/S Introduktion til Business Intelligence (LIS) Kort om samarbejdet Traen Bridgeconsulting Den teknologiske platform En
Læs mereIT-drift konferencen 2014. Big Data know. act. grow.
IT-drift konferencen 2014 Big Data know. act. grow. Kort om mig selv Jens-Jacob T. Aarup Medstifter / partner Salgs- og marketingdirektør Inspari A/S // 2 Passioneret omkring udnyttelse af data Fokuseret
Læs mereMamut Enterprise Status/Analyse
Mamut Enterprise Status/Analyse Dette er en indføring i brugen af produktet Mamut Enterprise Status/Analyse. Det vil ved hjælp af et fiktivt eksempel, som omhandler virksomheden Kontormøbler AS, blive
Læs mereSådan anvender man Straticator-funktionen Copy Trader Master
1 Sådan anvender man Straticator-funktionen Copy Trader Master I Straticator kan man på sin egen konto automatisk følge erfarne investorers handler, så når de handler, så handles der automatisk på ens
Læs mere4 sekunder. 20 sekunder. 1-3 timer. 14% hurtigere. 5-6% bagud. 30/70 split. Vejen til succes med Hybrid Cloud v/cso, Poul Bærentsen, Atea
4 sekunder 1-3 timer 20 sekunder 14% hurtigere 5-6% bagud 30/70 split Vejen til succes med Hybrid Cloud v/cso, Poul Bærentsen, Atea Emnerne jeg vil tale om Brændende platforme versus brændende ambitioner
Læs mereMatematik og samfundsfag Gini-koefficienten
Erik Vestergaard www.matematikfysik.dk Matematik og samfundsfag Gini-koefficienten Den såkaldte Gini-koefficient, introduceret i 92 i en artikel af den italienske statistiker, demograf og sociolog Corrado
Læs mereHVEM ER JEG? Una Consulting
HVEM ER JEG? -Lene Rasmussen Danapak (Emballage) -Elev - økonomichef - international koncerncontroller - implementeret ERP EG A/S -Forretningsanalyser -ERP implementering -Økonomisk rådgivning for kunder
Læs mere10 grunde til hvorfor din hjemmeside ikke giver nok kunder!
10 grunde til hvorfor din hjemmeside ikke giver nok kunder! Jacob Elton og Martin Bengaard Jensen og Jensen Marketing ApS People search for information - to find solutions. When they do and it fits their
Læs mereSide 1. Databaser og SQL. Dagens gang. Databasebegreber. Introduktion til SQL Kap 1-5
Databaser og SQL Introduktion til SQL Kap 1-5 1 Dagens gang Databaser Database begreber Mapning af klasser til relationel model Normalisering Opgaver til næste gang 2 Databasebegreber A database is a:
Læs mere1.TILBUD NYT TILBUD 1.1 TRIN FORUDSÆTNINGER
1.TILBUD Fanen Tilbud giver en oversigt over alle de tilbud, der ligger i din database. Det er også herfra, at du har mulighed for at oprette, kopiere eller redigere et eksisterende tilbud. Det følgende
Læs mereIntroduktion til SQL
Introduktion til SQL Introduktion til SQL 1. udgave, 1. oplag 2013 Copyright 2013 Libris Media A/S Forfatter: Bobby Henningsen Forlagsredaktion: Peter Wiwe og Louise Peulicke Larsen Omslag: Louise Peulicke
Læs mereVistemmernu. Et webbaseret værktøj udviklet af Programdatateket i Skive. E-mail: programdatateket@viauc.dk Web: http://www.programdatateket.
Vistemmernu Et webbaseret værktøj udviklet af Programdatateket i Skive E-mail: programdatateket@viauc.dk Web: http://www.programdatateket.dk Kolofon HVAL-vejledning Vistemmernu på HVAL.DK Forfatter: Susanne
Læs mereSådan logger du ind... 2 Hvilke mapper kan du tilgå... 3 Visning af eksempel af en fil... 5 Sådan deler du en fil... 7 Se hvad du deler med andre...
Sådan logger du ind... 2 Hvilke mapper kan du tilgå... 3 Visning af eksempel af en fil... 5 Sådan deler du en fil... 7 Se hvad du deler med andre... 9 Offline synkronisering... 11 Klienter til mobile enheder...
Læs mereCRM-system markedet i overblik. April 2011 Peter Ulka, partner HerbertNathan & Co. A/S
CRM-system markedet i overblik April 2011 Peter Ulka, partner HerbertNathan & Co. A/S Nøglen til succes! Kunderne virksomhedens største aktiv Agenda Introduktion til CRM CRM-system markedet i Danmark Trends
Læs mereSAS Grid Manager få en dirigent til dit SAS-orkester
make connections share ideas be inspired SAS Grid Manager få en dirigent til dit SAS-orkester Jens Helsted Kristensen, SAS Institute Hvad handler dette indlæg om? SAS Grid Manager er nøglen til en fremtidssikret
Læs mereMød Microsoft Dynamics 365 for Finance and Operations
Mød Microsoft Dynamics 365 for Finance and Operations Microsofts nyeste ERP-system er fyldt med masser af nye funktioner, som kan øge væksten i din virksomhed markant. Vi har samlet alt du skal vide. Kom
Læs mereEdbassistent, merkonom i regnskab og it.
Navn Asbjørn Vernang Fødselsår 1964 Køn Mand Adresse Nørre Alle 63 L. 104, 8000 Århus C Telefon Email 23 81 32 41 Asbjoern AT vernang dk Uddannelse Arbejdssprog Edbassistent, merkonom i regnskab og it.
Læs mereForstå brugbarheden af Google Analytics på 10 minutter
Forstå brugbarheden af Google Analytics på 10 minutter Hvad er Google Analytics? Hvem kan bruge det? Hvad kan Google Analytics bruges til? Google Analytics viser dig hvor dine kunder har fundet frem til
Læs mereBesvarelse af spørgsmål
Dato 10. juli 2015 J. nr.:. Initialer HAMI It Koncernadministration Tagensvej 18 2200 København N Tlf. nr. 72 48 75 00 info@phmetropol.dk www.phmetropol.dk CVR. 3089 1732 Besvarelse af spørgsmål 1.0 Indledning
Læs mereVelkommen til den nye og forbedrede Dynamicweb 9
Velkommen til den nye og forbedrede Dynamicweb 9 Effektive kundeoplevelser på tværs af alle kanaler med én integreret platform. Én platform dækker (alle) dine digitale behov Med Dynamicweb 9 får du adgang
Læs mereIndstillinger af ØS LDV
Indstillinger af ØS LDV Indledning Denne vejledning omhandler rapporten Indstillinger af ØS LDV, hvorfra I tilgår webapplikationerne til at foretage ændringer i jeres ØS LDVs opsætning. Herved kan I løbende
Læs mereKURSER INDENFOR SOA, WEB SERVICES OG SEMANTIC WEB
KURSER INDENFOR SOA, WEB SERVICES OG SEMANTIC WEB Det er Web Services, der rejser sig fra støvet efter Dot Com boblens brag. INTRODUKTION Dette dokument beskriver forslag til fire moduler, hvis formål
Læs mereWhat s Hot 2018 Survey
What s Hot 2018 Survey Hvordan ser vores digitale fremtid ud? kaastrup andersen Marts 2018 BAGGRUND Den digitale fremtid giver virksomhederne mulighed for at skabe nye forretningsområder og indtjening.
Læs mereER DIT ØKONOMITEAM MED PÅ DEN DIGITALE BØLGE?
ER DIT ØKONOMITEAM MED PÅ DEN DIGITALE BØLGE? ER DIT ØKONOMITEAM MED PÅ DEN DIGITALE BØLGE? Digital transformering har en stor påvirkning på arbejdsgangene hos CFO erne. Den digitale bølge giver nye muligheder,
Læs mereGuide til opsætning af Google Analytics Eksisterende kunder Visiolab introduction
Guide til opsætning af Google Analytics Eksisterende kunder Visiolab introduction Du modtager denne guide som en hjælp til forståelse af hvordan Visiolink applikationer fungere med Google Analytics. Ydermere
Læs mereMicrosoft Dynamics CRM 2013
Microsoft Dynamics CRM 2013 Dashboard, PowerPivot og PowerView CRM User Group Denmark www.easyconsult.dk Præsentation Henrik Jensen Microsoft Dynamics CRM-arkitekt hj@easyconsult.dk Arbejdet med CRM-systemer
Læs mereMicrosoft Office 2007 Inspirationsseminar
Microsoft Office 2007 Inspirationsseminar Forretningskritisk kommunikation på projekter Karsten Bosteen, EPMpartner Carsten Nilsson, Projectum Check af deltagernes forudsætninger (skjult slide) Microsoft
Læs mereHente tabeller til Excel fra ØS LDV
Tips og tricks Gennemgang af: Hente tabeller til Excel fra ØS LDV Brevfletning med Word Ændre på parametre i rapporterne Fjern dimensioner der ikke bruges i rapporterne Brug af Subscriptions Excel funktioner
Læs mere