Data Warehouse Knowledge is Power - Sir Francis Bacon -
|
|
- Robert Ludvigsen
- 8 år siden
- Visninger:
Transkript
1 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
2 Forord / Indledning Information er en utrolig værdifuld vare for alle virksomhed. Derfor bør disse informationer opbevares korrekt og let tilgængeligt. Men når mængden af data bliver stor, bliver det mere svært at udvinding brugbare informationer. Med opfindelsen af computer og særdeles databaser, er mængden af data at virksomheder gemmer eksploderet. Hvilket har givet fødsel til Data Warehouses, men: 1. Hvad er Data Warehouses? 2. Hvordan fungere Data Warehouses? 3. Hvad kan Data Warehouses bruges til? Dette er hvad jeg vil prøve at besvare i denne opgave. Denne opgave er opdelt i fire dele. Den først del handler om hvad Data Warehouses er, med en beskrivelse af de to mest kendte typer. Anden del handler om hvordan de fungere, med lidt ekstra fokus på Kimballs tilgang til Datamarts Data Design. Den 3. del vil omhandle hvad de kan bruges til. Den sidste del vil afrunde rapporten. Hvad er Data Warehouses? Den nemmest og bedste beskrivelse er, at tage udgangspunkt i hvad en normal database er, og sammenligne den med Data Warehouses. En almindelig database bruger OnLine Transaction Processing (OLTP), mens et Data Warehouse bruger OnLine Analytical Processing (OLAP). Forskellen ligger i at OLTP er lavet til dataindtastning og transaktion forarbejdning, mens OLAP er lavet til analytisk forarbejdning af dataene. Det vil sige i en almindelig database laver man Create, Read, Update og Delete (CRUD) operationer, mens i et Data Warehouse er der næsten kun CR operationer. Skal dog forstås med det forbehold, at der også sker OD operationer, men næsten aldrig i stam dataene. En anden vigtig ting til forståelsen af hvad et Data Warehouse er, er hvad det bruges til. Databaser bruges til at lager data og arbejde med dem. Data Warehouse bruges til at analysere data. Data Warehouses opsamler sine dataene fra andre databaser, mens databaser opsamler data fra Input kilder (bruger, målere, scanner og med flere). Mere om dette under Hvad bruges de til?. Troels Markvard Andersen Side 2 af 8
3 Data Warehouses omtales også nogle gange som Enterprise Data Warehouse. Dette skyldes at navnet Warehouse kan virke misvisende. Enterprise giver en bedre forståelse af at det er hele virksomhedens data man snakker om der gemmes samme sted, og måske endda at det skal bruges til noget vigtig forretningsmæssigt, og der ikke bare er tale om et data depot. Hvordan fungere Data Warehouses? Data Warehouses funger på den måde, at de indsamler data fra alle de andre data kilder i virksomheden. Derefter bearbejdes de, så at man nemt kan lave analyse på dataene. Herefter kan man lave OLAP eller Data Mining. Når man hører dette første gang, kan man nemt komme til at tror at det er en nem opgave. Dette er dog langt fra virkeligheden. Hvis man kigger på denne proces kan det ses at den er delt op i flere trin. Først er indsamling af data til Databaserne og liggende. Derefter kommer Extract, Transform og Load (ETL) som sørger for at dataene har sammen Ganularity. Til sidst kan man lave OLAP og Data Mining. Før man kan alt dette, skal dog selve Data Warehouse et og dets Datamarts bygges. Datamarts er en delmængde af Data Warehouse ets data, der skal bruges til en analyse. Der findes dog to tilgangsvikler på hvordan man laver disse. I Bill Inmons tilgang bygger man selve Data Troels Markvard Andersen Side 3 af 8
4 Warehouse et først, og efter dens Datamarts til de forskellige analyser. I Ralph Kimballs tilgang bygger man Datamarts først, som så tilsammen udgør Data Warehouse et. Bill Inmon: Top-Down tilgang Database strukturen er den relationelle model (tredje normal form: 3NF) Nemmere at lave nye og ændre Datamarts Ralph Kimball: Botton-Up tilgang Database strukturen er den multi-dimension model (Star-schema og Snowflakes) Er iterative, og derfor kan del elementerne hurtigere tages i brug Det ser ud til at Kimballs tilgang er ved at udkæmpe Inmons, selvom de begge stadig har stærke tilhængere. Inmons data struktur kendes fra også almindelige databaser. Star-schema og Snowflakes Star-schema Snowflakes-schema I Kimballs tilgang bruger man en data struktur der kaldes den dimensionale model. I denne kan data mønsteret ses som vist i Star-schema. Den består af både Fact Tables og Dimension Tables. Fra de indsamlet data, erstattes nøglerne fra OLTP systemerne, med naturlige nøgler. Herved opnås at Data Warehouse et er uafhængighed af OLTP databaserne. Dimensional modellen består altid af Fact Tables (measures) og Dimension Tables (context). Facts er næsten altid numeriske, mens dimensionerne er hierarkier eller ting der beskriver Facts. For eksempel er omsætning et Fact, og Store#, Time# og Region# er dimensioner der fortæller noget om dette Fact. Der er meget Troels Markvard Andersen Side 4 af 8
5 almindeligt at dimensioner kan genbruges til andre Datamarts og derved andre analyser. Dimensioner i Star-schemas er ikke normaliseret, hvilket de er i Snowflakes-schemas. At normalisere gør data strukturen mere kompleks, hastigheden kan blive langsommer pga. de mange joins og plads besparelsen er ofte minimal. For mange aspekter i Data Warehouses er plads ikke fokus, men ydeevne. Når man skal designe Datamarts ved hjælp af dimensions modellen, bruges Kimball tilgang 4 trin til dette: 1 Choose the business process 2 Declare the Grain 3 Identity the dimensions 4 Identify the Fact Der findes også en hybrid model mellem Inmon og Kimballs tilgange. Den har ikke nogle af de tos ulemper i så stor grad, men heller ikke deres fordele i samme omfang. Hvad bruges Data Warehouses til? Data Warehouses funktion er at skabe brugbare vide til virksomheden, hvilket de gør på to måder. Den ene er OLAP som der bruges på at kigge bagud og på nuet. Data Mining er den anden gruppe, som bruges til at prøve at kigge fremad. OLAP er igen delt op i flere typer. OLAP og Data Mining tilsammen udgør Business Intelligence Technologies. Troels Markvard Andersen Side 5 af 8
6 OLAP OLAP kan også beskrives som et Slicing and Dicing værktøj, som er godt til at svare på hvem og hvad, men det er dens evne til at kunne svare på hvorfor, som gør den speciel. Nogle af de ting OLAP bruges til er: Budgetter, rapportering, salgs analyse, produktions planlægning, løn og mange andre ting. OLAP opdeles efter deres arkitektur. MOLAP - Multidimensional OLAP Give en rigtig god performance, på bekostning af kompleksitet og fleksibelt. Den bruger den Dimensionale Model, i et Multi Dimensional Database Management Systems, til at bearbejde dataene og analysere dem. Den adskiller sig meget fra den relationelle måde. Er meget afhængig af sin sammenføring med brugerprogrammerne. ROLAP Relationel OLAP Giver knap så god performance på grund af brugen af den relationelle model. På den anden side tager den mindre plads, og minder mere om normale relationelle databaser. Kan bruges sammen med SQL. Troels Markvard Andersen Side 6 af 8
7 HOLAP Hybrid OLAP Er en sammenblanding af ROLAP og MOLAP, hvor man har noget data i relationelle tabeller og noget i Multi Dimensional Tables. DOLAP Desktop OLAP I stedet for at OLAP serveren laver beregningerne, sender man dataene ud til brugerne. Denne metode er bedst hvis data mængden brugeren anvender ikke er for stor, og brugeren skal bruge det samme data flere gange. Data Mining Kunsten at kunne spå om fremtiden, har altid været højt værdsat. Data Minings funktion er at prøve at spå om fremtiden, ved hjælp af de data der er allerede indsamlet. Dette gøres ved at bruge en masse forskellige matematiske algoritmer til at analyse dataene. Disse forsøger at finde mønster og tendenser i dataene. Man er dog nød til at hjælpe/træne programmet til at lære at finde dem, og hvordan det bliver bedre til at spå. Troels Markvard Andersen Side 7 af 8
8 Afrunding Data Warehouses er ikke nogen billige eller nemt redskab for en virksomhed at anskaffe, men belønning kan være stor, særdeles ved hjælp af Data Mining. Data Warehouses indeholder nemt milliarder af tupler. Disse kommer sandsynligt fra forskellige lande, med forskellige arbejdsgange. Så alene processen af at få lavet ETL, er ikke nogen nem opgave. Det er et af de mange område man kunne skrive mere om i forhold til Data Warehouses. Alle disse data kan parres på utroligt mange måder, så at man kan få en masse viden. Denne viden er dog ikke meget værd, uden at den omsættes til brugbare viden. Det er Data Warehouses opgave, at levere den vide, men der er dog stadig brug for mennesker, til at omsætte det til brugbare viden, og derved penge tilbage til virksomheden. Jeg har valgt at bruge Kimballs data struktur som udgangs punkt til den mundtlige eksame, da jeg mener at den både nemt kan relateres til resten af vores pensum, og at det er et af hovedområderne indenfor Data Warehouses. Skrevet af Troels Markvard Andersen Troels Markvard Andersen Side 8 af 8
Tietgenskolen - 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 mereDM08115 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 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 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 mereDM08114 Database: OLAP 8.6.2010
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
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 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 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 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 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 mereProcesbeskrivelse - Webprogrammering
Procesbeskrivelse - Webprogrammering Indholdsfortegnelse Forudsætninger... 1 Konceptet... 2 Hjemmesiden... 2 Server-side... 3 Filstrukturen... 3 Databasehåndtering og serverforbindelse... 4 Client-side...
Læs mereDatabaser Obligatorisk opgave 1
University of Southern Denmark Department of Mathematics and Computer Science Databaser Obligatorisk opgave 1 Afleveres senest: Lørdag d. 23. marts kl 23.59 Introduction Denne obligatoriske opgave indeholder
Læs mereObject-Relational Mapping
Databaser for udviklere () Datamatiker TietgenSkolen Underviser: Allan Helboe 06-06-2010 Problemformulering Denne opgave er et forsøg på at beskrive problemerne der opstår ved anvendelsen af en relationel
Læs mereDatabase "opbygning"
Database "opbygning" Dette områder falder mest under en DBA's ansvarsområde. Det kan sagtens tænkes at en database udvikler i nogle situationer vil blive nød til at oprette produktions og test) databaser,
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 mereModernisering af BI miljø i Codan v.h.a. SAS V9
Modernisering af BI miljø i Codan v.h.a. SAS V9 1Oktober 2003 / JFA Om Codan Ca. 2000 medarbejdere i Danmark Moderselskabet er engelske Royal & Sun Alliance, som ejer 72% af aktierne Bruttopræmier i Danmark
Læs mereKlargør dine data til business intelligence og forretningsanalyse med Master Data Management
Klargør dine data til business intelligence og forretningsanalyse med Master Data Management Hvordan styring af masterdata reducerer risikoen i ethvert data warehouse-projekt www.jetglobal.com Få styr
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 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 mereDatabasesystemer. IT Universitetet i København 7. juni 2005
Databasesystemer IT Universitetet i København 7. juni 2005 Eksamenssættet består af 5 opgaver med 13 spørgsmål, fordelt på 6 sider (inklusiv denne side). Vægten af hver opgave er angivet. Du har 4 timer
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 mere! Kia Dahlen. Kamilla Klein, Pia Jensen og Maria Korshøj Andersen.
Copenhagen Business Academy Multimediedesigner 3. semester - 1. projekt, september 2014 Gruppe 1 - MulA Kia Dahlen. Kamilla Klein, Pia Jensen og Maria Korshøj Andersen. Study: Multimedia Design Project:
Læs mereNumeric Data Platform
Numeric Data Platform Fleksibel indsamling og deling af data Centrale og decentrale BI-løsninger Business Intelligence løsninger kan typisk opdeles i dels centraliserede data warehouse systemer med tilhørende
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 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 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 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 mereCloud Failover Appliance
Cloud Failover Appliance Cloud Failover Appliance (CFA) er en enterprise-grads Disaster Recovery løsning, der genopretter systemer og applikationer på minutter - uden al hardwaren og kompleksiten. Med
Læs mereDatabase. lv/
Database 1 Database Design Begreber 1 Database: En fælles samling af logiske relaterede data (informationer) DBMS (database management system) Et SW system der gør det muligt at definer, oprette og vedligeholde
Læs mereDatabasesystemer. Databaser, efterår Troels Andreasen. Efterår 2002
Databaser, efterår 2002 Databasesystemer Troels Andreasen Datalogiafdelingen, hus 42.1 Roskilde Universitetscenter Universitetsvej 1 Postboks 260 4000 Roskilde Telefon: 4674 2000 Fax: 4674 3072 www.dat.ruc.dk
Læs mereI Windows fil struktur er der følgende ting Drev, Mapper, Filer og Genveje.
Windows Fil Struktur I Windows fil struktur er der følgende ting Drev, Mapper, Filer og Genveje. Hvad er et drev Et drev, er en afgrænsning af fil strukturen. Når du går ind på et drev vil du stå i roden
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 mereHjælp mig med at arbejde med mine kundedata (Customer Intelligence)
Hjælp mig med at arbejde med mine kundedata (Customer Intelligence) Kundelivstidsværdi, Customer Insights, Customer Life Time Management, Customer Life Time Value, CRM strategi, kundeloyalitet osv. Det
Læs mereGruppe 1 Cand. merc. økonomistyring og informatik
28.0 09 Cand. merc. økonomistyring og informatik Seminar 1 Indhold Indhold...2 Titelblad...4 Kapitel 1: Indledning... 1.2 Operationalisering...7 1.3 Afgrænsning...9 1.4 Metode...9 Kapitel 2: Modul 1...12
Læs mereOLAP and SAS Tøger G. Nørgaard Cand.scient.dat, Consultant SAS Institute, PS Public Division. Copyright 2003, SAS Institute Inc. All rights reserved.
OLAP and SAS Tøger G. Nørgaard Cand.scient.dat, Consultant SAS Institute, PS Public Division Copyright 2003, SAS Institute Inc. All rights reserved. SAS Special Air Service? Scandinavian Airline Systems?
Læs mereBusiness intelligence til it-medarbejdere
Business intelligence til it-medarbejdere AGIDON Kursushæfte Effek viser dine arbejdsgange! Kursushæfte Indhold Fejl! Bogmærke er ikke defineret. Introduktion 5 Velkommen... 5 Indhold af kursusmateriale
Læs mereSAS øger værdien af dit SAP-system
SAS øger værdien af dit SAP-system Erling Glud Nielsen, Professional Services Director Professional Services Division SAS øger værdien af dit SAP-system Agenda Generel positionering SAS og SAP Arkitektur
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 mereDatabase. Pr jekt. Hold CLmul-a14e Gruppe 3 3. semester 2015. Vejledere: Tue Becher Ivan R. Frederiksen
Database Pr jekt Hold CLmul-a14e Gruppe 3 3. semester 2015 Vejledere: Tue Becher Ivan R. Frederiksen Indholdsfortegnelse 1. Problemformulering 2. ER-diagram 3. Attribut-tabel 4. Use Case-model 5. Use Case
Læs mereRe-tail Retail. Data-driven retail 6. februar 2014 Thomas Black-Petersen // 1
Re-tail Retail Data-driven retail 6. februar 2014 Thomas Black-Petersen // 1 Passioneret for hjælpe vores kunder fra data til viden -ogfra viden til værdi Fokuseret Business Intelligence software- og konsulenthus
Læs mereSkriftlig Eksamen Diskret Matematik (DM528)
Skriftlig Eksamen Diskret Matematik (DM528) Institut for Matematik & Datalogi Syddansk Universitet Tirsdag den 20 Januar 2009, kl. 9 13 Alle sædvanlige hjælpemidler (lærebøger, notater etc.) samt brug
Læs mereErnst Kuburovic 3 STEP IT
Ernst Kuburovic 3 STEP IT Agenda Hvem er 3 Step IT? Lifecycle Management konceptet AssetNG som et værktøj Finansierng vs. Kontantkøb Bæredygtighed Q&A? Vores mission er at skabe den mest optimale IT livscyclus
Læs mereFordele og ulemper ved ERP-systemer
Fordele og ulemper ved ERP-systemer Vi har sammenlignet tre af de mest populære ERPsystemer herhjemme, så du kan finde den bedste løsning til jeres virksomhed. Fordele og ulemper ved ERP-systemer At udvælge
Læs mere! Kia Dahlen. Kamilla Klein, Pia Jensen og Maria Korshøj Andersen.
Copenhagen Business Academy Multimediedesigner 3. semester - 1. projekt, september 2014 Gruppe 1 - MulA Kia Dahlen. Kamilla Klein, Pia Jensen og Maria Korshøj Andersen. Study: Multimedia Design Project:
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 mereINDHOLDSFORTEGNELSE. INDLEDNING... 7 Kristian Langborg-Hansen. KAPITEL ET... 9 I gang med App Inventor. KAPITEL TO...
INDHOLDSFORTEGNELSE INDLEDNING... 7 Kristian Langborg-Hansen KAPITEL ET... 9 I gang med App Inventor Installation af App Inventor... 10 Trådløs installation... 11 Installation af emulator (Windows)...
Læs mereWEBINAR OM DREAM WEBINAR OM DREAM
Den 8. marts 2019 Agenda Velkomst og indflyvning: Ved Theis Agger Pape, konsulent i KL Struktur og teknisk design: Hvordan tilgås data i FLIS og anden teknisk specifikation Ved Erik Damsted, seniorkonsulent
Læs mereWorkshoppens indhold. 1. Hvad kommer vi fra? Og hvor skal vi hen?
Workshoppens indhold 1. Hvad kommer vi fra? Og hvor skal vi hen? 2. Dokumentationsmodel brugt i Sundhedsøkonomisk center Indenrigs- og Sundhedsministeriet 3. Skabelse af dokumentationen 1. Motorrummet:
Læs mereFang Prikkerne. Introduktion. Scratch
Scratch 2 Fang Prikkerne All Code Clubs must be registered. Registered clubs appear on the map at codeclubworld.org - if your club is not on the map then visit jumpto.cc/ccwreg to register your club. Introduktion
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 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 mereFinn Gilling The Human Decision/ Gilling. 12. 13. September Insights Danmark 2012 Hotel Scandic Aarhus City
Finn Gilling The Human Decision/ Gilling 12. 13. September Insights Danmark 2012 Hotel Scandic Aarhus City At beslutte (To decide) fra latin: de`caedere, at skære fra (To cut off) Gilling er fokuseret
Læs mereProMark workforce management ProJob
ProMark workforce management er løsningen til optimering af virksomhedens produktionsprocesser og -omkostninger gennem oversigter, indsamling af produktionskritiske jobdata, effektiv rapportering og integration
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 merePHP 3 UGERS FORLØB PHP, MYSQL & SQL
PHP 3 UGERS FORLØB PHP, MYSQL & SQL Uge 1 & 2 Det basale: Det primære mål efter uge 1 og 2, er at få forståelse for hvordan AMP miljøet fungerer i praksis, og hvordan man bruger PHP kodesproget til at
Læs mereDEN GODE MODEL: OPSAMLING PÅ MODELLERINGSOPGAVER OG INTRO TIL MODELLERINGSALTERNATIVER
DEN GODE MODEL: OPSAMLING PÅ MODELLERINGSOPGAVER OG INTRO TIL MODELLERINGSALTERNATIVER KIRSTINE ROSENBECK GØEG Tema Titel Materiale 1 IS i sundhedssektoren Patientdatas anvendelighed Lynge et al. 2 Registrering
Læs mereDatabase kursus Forår 2013
Database kursus Forår 2013 Jacob Aae Mikkelsen Database design og programmering/databaser fra Organisationsorienteret softwareudvikling 1 Praktisk info Lærebog Database Systems: The Complete Book Skema
Læs mereViews etc. Databaser
Views etc. Databaser Views Med Views kan vi gemme nogle af de lange select sætninger. I vores eksempel fra tidligere er det f.eks. forbundet med en del besvær at finde telefon nr og bilmærker for en sælger
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 mereHvad er fremtiden for internettet?
Hvad er fremtiden for internettet? pcfly.info Den Internettet er blot et par årtier gamle, men i dette korte tidsrum har oplevet væsentlige ændringer. Den voksede ud af et sammensurium af uafhængige netværk
Læs mereBusiness Intelligence
Business Intelligence - the theoretical advance and application in a danish SME Kandidatafhandling af Jonas Büttcher Studium Cand.merc.(dat.) Copenhagen Business School Vejleder Niels Bjørn-Andersen Afleveringsdato
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 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 merePositionssystemet, 2 3 uger (7 lektioner), 2. klasse.
Positionssystemet, 2 3 uger (7 lektioner), 2. klasse. FRA FORENKLEDE FÆLLES MÅL Kommunikation vedrører det at udtrykke sig med og om matematik og at sætte sig ind i og fortolke andres udtryk med og om
Læs mereYdelseskatalog. Tak fordi du downloadede dette dokument vores ydelseskatalog. Vi hjælper dig helt i mål! Ydelseskatalog. Indhold
Indhold 2 Business intelligence workshops 3 Customer Intelligence workshops 4 at få flere kunder 5 at kunne vækste sine kunder 6 at kunne fastholde sine kunder 7 Generelt om segmentering 8 Behovsbasere
Læs mereDemonstration af SAS Activity-Based Management v7.1
Demonstration af SAS Activity-Based Management v7.1 Chefkonsulent Martin Ravnholt, SAS Institute Copyright 2011 SAS Institute Inc. All rights reserved. Hvad vil jeg tale om den næste time? Nyeste modellerings-
Læs mereMICROSOFT C5 LIGHT MICROSOFT C5. FÅ ET lettilgængeligt ØKONOMISYSTEM, DER KAN VOKSE MED DIN VIRKSOMHED
MICROSOFT C5 LIGHT MICROSOFT C5 FÅ ET lettilgængeligt ØKONOMISYSTEM, DER KAN VOKSE MED DIN VIRKSOMHED ET EFFEKTIVT økonomisystem SPARER BÅDE TID OG PENGE Der er nok at se til i en mindre virksomhed. Og
Læs mereInden vi starter: Følg novicell på @novicelldk Check-ind på FB fb.com/novicelldk Få vores nyhedsbrev: http://www.novicell.
Inden vi starter: Følg novicell på @novicelldk Check-ind på FB fb.com/novicelldk Få vores nyhedsbrev: http://www.novicell.dk/blog/nyhedsbrev 15 Online Marketingtips i 2015 Martin Skøtt, Online Marketingchef,
Læs mereErfaringer med Information Management. Charlottehaven Jens Nørgaard, NNIT A/S jnqr@nnit.com
Erfaringer med Information Management Charlottehaven Jens Nørgaard, NNIT A/S jnqr@nnit.com Agenda Hvor ligger virksomhedens information gemt og hvor opstår kravet til at finde denne information. Find Find
Læs mereSkriftlig opgave. Designtanker i database-nære systemer
Skriftlig opgave til eksamen for faget»databaser«designtanker i database-nære systemer Martin Ancher Holm Juni 2010 1 Intro Denne skriftlige opgave indeholder kort de daglige tanker jeg har omkring design
Læs mereCurriculum Vitae: Jeg kan hurtigt overskue komplekse systemer og finde brugbare løsninger på selv vanskelige problemer.
Curriculum Vitae: Personlige oplysninger Navn Thomas Gustafsson Født 5. marts 1972 Adresse Græsmarken 5, ST. TH. 2860 Søborg Mobil (+45) 2577 2387 E-mail Civilstand tgconsult@webspeed.dk Ugift / Far til
Læs mereBusiness Case for Business Intelligence. Motivation. Trin 1 Den brændende platform eller det udækkede forretningsbehov
Business Case for Business Intelligence Motivation Trin 1 Den brændende platform eller det udækkede forretningsbehov Hvilke eksterne og interne udfordringer står forretningen overfor Hvordan bidrager det
Læs mereHvad kan samfundet bruge data til?
Hvad kan samfundet bruge data til? Daintel Lars Dybdahl M.Sc., CTO, interim DPO, QA Mgr Om Daintel 1. Navnet Daintel kommer af DAta INTELligence 2. Fokuserer på datakvalitet fra start til slut 3. Førende
Læs mereDokumentering af umbraco artikeleksport:
Dokumentering af umbraco artikeleksport: Lav en artikel side 2-3. Installationsguide side 3-5. Opsættelse af databasen og web.config side 5-8. Umbraco: templates side 8. Umbraco: borger.dk tab side 8.
Læs mereDin digitale samarbejdsplatform
Din digitale samarbejdsplatform Log på En digital løsning, der hjælper dig med at optimere din virksomhed Ét sted til kommunikation, dokumentation og finansiel indsigt DeloitteDirect er en digital samarbejdsplatform
Læs mereKreditscoring og kryds/opsalg - hurtig og fair kundebehandling. SAS Forum 3. juni 2010
Kreditscoring og kryds/opsalg - hurtig og fair kundebehandling SAS Forum 3. juni 2010 Dagsorden Baggrund og formål Projektforløb Arkitektur Kreditscoring anvendelse i daglig sagsbehandling Rapportering
Læs mereIndhold. Grundmodul. Tillægsmoduler. Teknologisk opbygning og indhold. Mulighed for udbygning. Forretningsmæssig funktionalitet
Indhold. Grundmodul Tillægsmoduler Forretningsmæssig funktionalitet Dynamiske skemaer Fleksibel rapportering Digitalpost Digital udvalgsbetjening Teknologisk opbygning og indhold Mulighed for udbygning
Læs mereKort sagt: succes med netdating.
Indledning I denne e- bog får du en guide til, hvordan du knækker netdating koden! Du finder alt hvad du skal bruge, for at komme igang med at møde søde piger på nettet. Få f.eks. besvaret følgende spørgsmål:
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 mereForskningsnetkonference
Data center eller serverrum optimering for energiforbrug og Total Cost of Ownership Forskningsnetkonference November 2010 Niels E. Raun niels.raun@globalconnect.dk Oversigt Total Cost of Ownership: investering
Læs mereCurriculum Vitae: Jeg kan hurtigt overskue forretningers ønsker samt komplekse systemer og finde overskuelige løsninger på selv vanskelige problemer.
Curriculum Vitae: Personlige oplysninger Navn Thomas Gustafsson Født 5. marts 1972 Adresse Græsmarken 5, ST. TH. 2860 Søborg Mobil (+45) 2577 2387 E-mail tgconsult@webspeed.dk Civilstand Ugift / Far til
Læs mereIndholdsfortegnelse for kapitel 1
Indholdsfortegnelse for kapitel 1 Forord.................................................................... 2 Kapitel 1.................................................................. 3 Formål............................................................
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 mereDatabasesystemer fra forskellige synsvinkler
Databasesystemer fra forskellige synsvinkler Kim Skak Larsen kslarsen@imada.sdu.dk IMADA DM534 Introduktion til datalogi, 8/10 2015 p.1/60 Oversigt Introduktion Del 1: en designers synsvinkel Del 2: en
Læs mereAgenda De virtuelle assistenter er på vej - er de en del af din strategi? Introduktion Kunstig intelligens i gamle dage - og nu
Agenda De virtuelle assistenter er på vej - er de en del af din strategi? Introduktion Kunstig intelligens i gamle dage - og nu Udviklingen af online marketing 1990-2020 Virtuelle assistenter Google Home
Læs mereDatabase for udviklere. Jan Lund Madsen PBS10107
Database for udviklere Jan Lund Madsen PBS10107 Indhold LINQ... 3 LINQ to SQL og Arkitektur... 3 O/R designere... 5 LINQ Den store introduktion med.net 3.5 er uden tvivl LINQ(udtales link): Language-INtegrated
Læs mereBLACK FRIDAY Årets største handelsdag
BLACK FRIDAY Årets største handelsdag 1 Indholdsfortegnelse 1. Målsætning og strategi 4 2. Budget 6 3. Dagens vigtigste timer 7-8 4. Enheder 9 5. Betalingsmetoder 10 6. Søgemaskineoptimering 12 7. Google
Læs mereData lagring. 2. iteration (implement backend)
Data lagring 2. iteration (implement backend) Emner Grundlæggende database begreber. Data definitionskommandoer ER-diagrammer og cardinalitet/relationer mellem tabeller Redundant data og Normalisering
Læs mereIT OG LOGISTIK. It som salgsværktøj i butikken 2. It som forretningsunderstøttelse 3. Hjemmesiden 4. HTH er ordreproducerende 5
IT OG LOGISTIK It som salgsværktøj i butikken 2 It som forretningsunderstøttelse 3 Oms 3,9b Hjemmesiden 4 HTH er ordreproducerende 5 It i administrationen 6 1 IT SOM SALGSVÆRKTØJ I BUTIKKEN Kunder gribes
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 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 mereOptimer værdien af dine analystiske instrumenter. Lone Vejgaard, Q-Interline
Optimer værdien af dine analystiske instrumenter Lone Vejgaard, Q-Interline Agenda Indledning AnalyticTrust Praktisk eksempel Værdi for virksomhed Afslutning Situationer fra dagligdagen Analyseudstyret
Læs mereBLACK FRIDAY Årets største handelsdag
BLACK FRIDAY Årets største handelsdag 1 Indholdsfortegnelse 1. Målsætning og strategi 4 2. Budget 6 3. Dagens vigtigste timer 7-8 4. Enheder 9 5. Betalingsmetoder 10 Indledning Sidste år shoppede danskerne
Læs mere15 Online Marketingtips i 2015. Martin Skøtt, Online Marketingchef, Novicell @martinskott
15 Online Marketingtips i 2015 Martin Skøtt, Online Marketingchef, Novicell @martinskott Kort om Novicell Novicell er et uafhængigt it- og webbureau med 85 ansatte Fokus på online forretning Styr på projekter
Læs mereECCO. Informationsteknologi Niveau: C. Casebaseret eksamen juni 2012
Casebaseret eksamen juni 2012 Informationsteknologi Niveau: C Klasse: Lærer: xxx William Pedersen ECCO http://www.ecco.com/da-dk/ http://www.emu.dk/erhverv/merkantil_caseeksamen/ecco/it/it_logistik.html#indhold9356999
Læs mereEtablering af et Ledelsescockpit... og som understøtter forretningsplatformen!
Etablering af et Ledelsescockpit... og som understøtter forretningsplatformen! Opbygning og forankring af en robust ledelsesplatform på 3 måneder /Finn Henrik Hansen Slide 1 Nulpunktsmodellen, MSEK 1 Refleksion
Læs mereLæringsprogram. Christian Hjortshøj, Bjarke Sørensen og Asger Hansen Vejleder: Karl G Bjarnason Fag: Programmering Klasse 3.4
Læringsprogram Christian Hjortshøj, Bjarke Sørensen og Asger Hansen Vejleder: Karl G Bjarnason Fag: Programmering Klasse 3.4 R o s k i l d e T e k n i s k e G y m n a s i u m Indholdsfortegnelse FORMÅL...
Læs mereIMADAs Fagråd. Evalueringsrapport. Matematik & Datalogi. 2. juni 2011. Kontaktpersoner
Evalueringsrapport Matematik & Datalogi 2. juni 2011 Kontaktpersoner Christian Kudahl - chkud08@student.sdu.dk Maria Buhl Hansen - marih09@student.sdu.dk Indhold Indhold 2 1 Indledning 4 1.1 Matematik-økonomi.......................
Læs mere