Bücher der Reihe Edition TDWI

Die Modellierung von Business-Intelligence-Systemen (BI) umfasst eine Vielzahl unterschiedlicher Facetten, die im Kontext von Operational BI, agile Warehousing, Real-Time und Self-Service BI zu bewerten sind.Dieses Buch beschreibt die Architektur und Gestaltung von unternehmensweiten analyseorientierten Informationssystemen insbesondere unter dem Aspekt zunehmend agiler Geschäftsanforderungen und deren Unterstützung durchBI-Methoden. Neben der Darstellung von Best Practices der Historisierung und der Data-Mart-Modellierung ist der Aufbau eines Enterprise Data Warehouse von zentraler Bedeutung.Behandelt werden im Einzelnen:- Business-Intelligence-Architektur- Mehrdimensionale Datenstrukturen- Semantische mehrdimensionale Modellierung- Bestandteile und Varianten des Star-Schemas- Historisierung und Zeitabhängigkeit im Data Warehouse- Faktenmodellierung- Dimensionsmodellierung- Core-Data-Warehouse-ModellierungDieses Buch ist ein Muss für alle mit der Gestaltung und Nutzung von BI-Systemen betrauten Architekten, Analysten, Entwickler und Projektleiter.In der Edition TDWI erscheinen Titel, die vom dpunkt.verlag gemeinsam mit dem TDWI Germany e.V. ausgewählt und konzipiert werden. Inhaltliche Schwerpunkte dieser Reihe sind Business Intelligence und Data Warehousing.

Dr. Jörn Kohlhammer ist Abteilungsleiter für den Bereich Visual Analytics am Fraunhofer IGD. Er studierte Informatik mit Betriebswirtschaftslehre an der LMU München und promovierte 2005 an der TU Darmstadt. Dr. Kohlhammer ist Autor und Co-Autor mehrerer Bücher und vieler Fachartikel und Konferenzbeiträge. Er ist regelmäßiger Redner bei Veranstaltungen und Kongressen in der Industrie und der Forschung, und anerkannter Experte zum Thema Visual Analytics und Visual Business Intelligence.Dirk U. Proff ist als Founder und Chief Executive Officer für die Bereiche Strategy und Corporate Development bei BLUEFORTE verantwortlich. Er studierte Wirtschaftsinformatik an der privaten Fachhochschule Wedel sowie Administration and Management an der Harvard University. Nach seinem Lehrauftrag für Betriebswirtschaftliche Informationsverarbeitung am Euro-Business-College war er für mehrere führende Unternehmensberatungen als Consultant und in unterschiedlichen Führungspositionen tätig. Neben Publikationen in Fachzeitschriften veröffentlicht er regelmäßig wissenschaftliche Artikel in Fach- und Lehrbüchern und hält zudem Vorträge auf Veranstaltungen und Konferenzen.Andreas Wiener ist Management Consultant bei BLUEFORTE und verantwortlich für das Geschäftsfeld »Information Design & Visual Business Intelligence«. Als Hichert Certified Consultant berät er Unternehmen und schult deren Mitarbeiter in den Themen Reporting und Dashboarding. Zudem hält er regelmäßig Vorträge auf Messen und Kongressen sowie an Hochschulen. Er bloggt auf www.informieren-statt-dekorieren.de und ist Verfasser der Visual Business Analytics Studie 2013, die in Kooperation mit dem Fraunhofer-Institut für Graphische Datenverarbeitung veröffentlicht wird.

Know-how für Data Scientists Übersichtliche und anwendungsbezogene Einführung Zahlreiche Anwendungsfälle und Praxisbeispiele aus unterschiedlichen Branchen Potenziale, aber auch mögliche Fallstricke werden aufgezeigt Data Science steht derzeit wie kein anderer Begriff für die Auswertung großer Datenmengen mit analytischen Konzepten des Machine Learning oder der künstlichen Intelligenz. Nach der bewussten Wahrnehmung der Big Data und dabei insbesondere der Verfügbarmachung in Unternehmen sind Technologien und Methoden zur Auswertung dort gefordert, wo klassische Businss Intelligence an ihre Grenzen stößt. Dieses Buch bietet eine umfassende Einführung in Data Science und deren praktische Relevanz für Unternehmen. Dabei wird auch die Integration von Data Science in ein bereits bestehendes Business-Intelligence-Ökosystem thematisiert. In verschiedenen Beiträgen werden sowohl Aufgabenfelder und Methoden als auch Rollen- und Organisationsmodelle erläutert, die im Zusammenspiel mit Konzepten und Architekturen auf Data Science wirken. Diese 2., überarbeitete Auflage wurde um neue Themen wie Feature Selection und Deep Reinforcement Learning sowie eine neue Fallstudie erweitert.

Erfolgsfaktoren für BI-Architekturen Umfassendes und anwendungsbezogenes Handbuch Einsatz von neuen Technologien wie EAI, Virtualisierung sowie Cloud- und Data-Lake-Architekturen Mit vielen Praxisbeispielen aus der BI & Analytics-Welt Sowohl regulatorische Vorgaben als auch gesteigerte Anforderungen seitens der Fachanwender haben in den letzten Jahren zu immer komplexeren Business-Intelligence- und Analytics-Landschaften geführt, die es zu entwickeln und betreiben gilt. So setzt sich eine heute übliche Architektur aus zahlreichen Einzelkomponenten zusammen, deren Zusammenspiel und funktionale Abdeckung als wesentlicher Erfolgsfaktor für zugehörige BIA-Initiativen zu werten ist. »Architekturen für Business Intelligence & Analytics« setzt sich das Ziel, die derzeit gebräuchlichen Architekturmuster zu beschreiben und dabei einen Überblick über die aktuell verwendeten Technologien zu liefern. Dabei werden nicht nur die architektonischen Frameworks der großen Produktanbieter aufgegriffen, sondern darüber hinaus Lösungen für konkrete Anwendungsfälle präsentiert. Im Einzelnen werden behandelt: Anforderungen an eine ganzheitliche BIA-Architektur Architekturen und Technologien für Data Lakes Datenzugriffsstrategien für Analytics Enterprise Application Integration Cloud-Konzepte und -Architekturen Einfluss regulatorischer Anforderungen Datenvirtualisierung BIA-Architekturen für KMU Das Buch vermittelt wertvolle Einblicke und hilfreiche Anregungen für die erfolgreiche Konzeptionierung und Realisierung von BIA-Ökosystemen und -Landschaften in der Praxis.

Know-how für erfolgreiche Self-Service-Initiativen Praktischer Leitfaden zur unternehmensweiten Einführung von Self-Service Fokus auf die Konzeption und Governance von Self-Service Mit Impulsen, was bei einer laufenden Self-Service-Organisation zu beachten ist Self-Service im BI- und Analytics-Kontext bedeutet, dass BI-Anwender selbst aktiv werden, um auf bestimmte Daten und Informationsprodukte zuzugreifen. Dabei hängt die Möglichkeit des Self-Service von Umgebungsfaktoren ab, nicht von einzelnen Werkzeugen. Um die Daten nutzen zu können, ist Datenkompetenz bei den Beteiligten erforderlich. Self-Service ist somit als strategischer Prozess zu verstehen, der als Teil der Datenstrategie immer der Unternehmensstrategie folgt und eine Kultur der Transparenz und offenen Kommunikation erfordert. Dieses Buch bietet eine umfassende Einführung in die grundlegenden Konzepte von Self-Service BI & Analytics. Es beschreibt die derzeit gängigen Ansätze mit Fokus auf die Konzeption und Governance von Self-Service. Darüber hinaus werden Lösungen für konkrete Anwendungsfälle vorgestellt. Im Einzelnen werden behandelt: Planung von Self-Service: Was ist vor der Einführung von Self-Service im Kontext einer gesamtheitlichen Datenstrategie, der Organisation und der Unternehmensarchitektur zu beachten? Welche Governance-Anforderungen müssen berücksichtigt werden? Implementierung von Self-Service: Die Entwicklung und der Betrieb von Self-Service-Lösungen werden ebenso aufgezeigt wie die Positionierung gegenüber einer Schatten-IT und die Vermeidung von technischen Schulden. Organisation von Self-Service: BI-Communitys, die Mitarbeiterausbildung und die Etablierung einer Self-Service-Kultur im Unternehmen spielen hier eine wichtige Rolle. Das Buch liefert wertvolle Einblicke und hilfreiche Anregungen für die erfolgreiche Einführung und Realisierung von Self-Service-Initiativen in der Unternehmenspraxis.