BI

In den letzten 20 Jahren hat die Anzahl verschiedener Datenbanken (DB) explosionsartig zugenommen. Auch für Anwendungen im DWH, Big-Data- und Data-Science-Umfeld stehen eine Vielzahl von Datenbanken zur Verfügung. Ressourcen-intensive Verarbeitungen, Ad-hoc-Abfragen oder Versionierung sind Anforderungen solcher Anwendungen. In diesem Artikel werden zunächst die Merkmale analytischer Datenbanken wi..

BI-Systeme kränkeln oft an zu vielen Analyseoptionen und zu wenig Interpretation durch die Nutzer. Die Wirksamkeit von BI im Unternehmen bleibt damit gering. Natürlich-sprachliche Interpretationen können vielen Menschen die Ergebnisse von Analysen leichter vermitteln, als es rein quantitative Darstellungen vermögen. „Synthetic Reasoning“ als Ansatz, um automatisch Interpretationen zu generieren, l..

Das fiktive Unternehmen FastChangeCo hat eine Möglichkeit entwickelt, nicht nur Smart Devices herzustellen, sondern auch die Smart Devices als Wearables in Form von Bio-Sensoren auf Kleidung und Lebewesen auszudehnen. Bei jedem dieser Geräte entsteht eine große Menge an (sensiblen) Daten, genauer gesagt: durch die Aufzeichnung und Aufbereitung sowie die Auswertung personen- und umweltbezogener Dat..

Business Intelligence ist nicht tot, befindet sich aber im Wandel. Wesentlichen Anteil daran hat die verstärkte Nutzung sogenannter Data Lakes. Sie spielen in aktuellen Informationsarchitekturen eine immer größere Rolle und werden häufig im Umfeld von Big-Data-Initiativen genutzt. Allerdings herrscht immer noch Unsicherheit, ob Data Lakes in Konkurrenz zu BI-Systemen stehen oder diese ergänzen. Di..

Der Chef braucht eine neue Auswertung auf Basis einer neuen Datenquelle. Die Daten zuerst in ein bestehendes geschweige denn in ein neues DWH zu laden ist zeitlich unrealistisch. Der Griff zum „agilen“ BI-Tool wie Excel oder Power BI liegt auf der Hand. Nach einigen Monaten und weiteren „dringenden“ Auswertungen droht der Wartungsalbtraum. Doch es geht auch anders: In diesem Artikel stelle ich die..