Roundtables

In Zeiten von Industrie 4.0, IoT, Digitalisierung und Big Data wird die Daten-Orchestrierung in einem Unternehmen immer komplexer und behindert eine effektive und effiziente Wertschöpfung. Data Lakes auf Hadoop Basis als zentraler Datenspeicher im Kontext einer „Single Point of Truth“ Strategie versprechen eine skalierbare und zukunftsfähige Antwort. Der Aufbau und Betrieb einer Big Data Plattform stellt ein Unternehmen jedoch vor große Herausforderungen, sowohl organisatorisch aber auch insbesondere in puncto Sicherheit. Das Hadoop Ökosystem besteht zum überwiegenden Teil aus einer großen Kollektion von Open Source Software, was es zum einen finanziell attraktiv macht, andererseits aber auch diverse sicherheitstechnische Implikationen mit sich bringt. Der Standort der Daten, die Sicherung gegen fremden Zugriff und die permanente Verfügbarkeit spielen dabei eine wichtige Rolle.
Im Rahmen des Vortrags klären wir zunächst das Konzept eines Data Lakes, zeigen auf was sich alles hinter einem Data Lake Konzept versteckt und gehen auf sicherheitstechnische Implikationen beim Aufbau und Betrieb eines sicheren Data Lakes ein. Anhand eines Use Cases aus dem Bereich Machine Learning demonstrieren wir abschließend, dass sich der Aufwand dennoch lohnen kann.

Inhalte:
•    Data Lake – Was ist das?
•    Anforderungen eines Data Lakes und Unterschiede zum Data Warehouse
•    Hadoop als zentrale Komponente im Data Lake Design
•    Sicherheitstechnische Anforderungen und Implikationen
•    Data Lake Use Case aus dem Bereich Machine Learning

Das Apache Hadoop Framework setzt sich aus vielen unterschiedlichen Komponenten zusammen, mit denen eine Speicherung und Verarbeitung großer Datenmengen (auf Standardhardware) möglich ist. Ein bekanntes Tool ist dabei HBase, eine verteilte NoSQL Datenbank, die auf dem verteilten Dateisystem HDFS aufsetzt und einen spaltenorientierten Key-Value Datenspeicher zur Verfügung stellt.

In einem Kooperationsprojekt untersuchte die Hochschule Offenburg gemeinsam mit einem Industriepartner die Möglichkeiten, deren semistrukturierten Sensordaten mithilfe von HBase für spätere Analysen im Hadoop zu speichern. Die als CSV vorliegenden Sensordaten wurden dabei mithilfe von Apache Spark eingelesen, transformiert und als Key-Value Paare in einer HBase Tabelle abgelegt, wo sie nun wieder von anderen Tools, z. B. über optimierte Table Scans, ausgelesen werden können.

Im Vortrag wird neben der allgemeinen Arbeitsweise von HBase auch das praktische Vorgehen wie die Datenuntersuchung, das Tabellendesign, die Implementierung des Spark-Jobs, sowie die Stolpersteine in dem Projekt, vorgestellt.

Haben Sie sich schon einmal gefragt, was BI-Anforderungen mit einem Autokauf gemeinsam haben? In diesem Vortrag erfahren Sie mehr dazu! Im Zentrum steht dabei die mögliche Strukturierung von BI-spezifischen Anforderungsinhalten sowie die Absteckung eines Rahmens für "erlaubte" Anforderungen. Denn wie die meisten Automodelle sind auch BI-Systeme heutzutage technologieseitig stark standardisiert...
Raphael Branger studierte Wirtschaftsinformatik und hält einen MA in Information Management. Heute arbeitet er als Chief Knowledge Officer und Senior Solution Architect bei der IT-Logix AG mit über 13 Jahren Praxiserfahrung im Business Intelligence und Datawarehousing Umfeld.
Sein aktueller Fokus liegt im Bereich der BI-spezifischen Anforderungsanalyse sowie der Adaption agiler Methoden im Umfeld von BI.

Das Trendthema agile BI gehört zu den wesentlichen Entwicklungsfeldern im BI-Umfeld. Aufgrund der großen Bedeutung hat der TDWI im Jahr 2010 die Arbeitsgruppe agile BI gegründet. In dieser Gruppe wurde eine Definition und ein Ordnungsrahmen erarbeitet und über die Jahre verifiziert. Resultate der Arbeitsgruppe waren u.a. das agile BI Memorandum und das im d.Punkt Verlag erschienene Buch zu agile BI.
Im Vortrag wird agile BI definiert und der agile BI Bezugsrahmen vorgestellt. Anschließend werden aktuelle Projektmaßnahmen zur Erhöhung der BI-Agilität vorgestellt und anhand des Ordnungsrahmens eingeordnet.
Dr. Michael Zimmer ist Manager bei Accenture Digital im Bereich Digital Delivery und verantwortet dort das Thema SAS für den deutschsprachigen Raum. Michael Zimmer hat zum Thema agile BI-Architekturen promoviert und ist im TDWI Referent, Autor und Experte sowie Organisator des TDWI Roundtable Stuttgart. Er ist Mitglied im TDWI-Arbeitskreis »Agile BI« und hat das »Memorandum für Agile Business Intelligence« mit herausgegeben.

In dem Vortrag werden typische Problemstellungen, die bei der Modernisierung eines bestehenden Data Warehouse vorkommen, erläutert und Möglichkeiten zu deren Lösung vorgestellt und diskutiert.

Es ist eine Herausforderung, aussagekräftige Dashboards zu erstellen, die Entscheider bei ihrer Entscheidungsfindung gut unterstützen. Der Vortrag zeigt, wie bei E+H mit SAP BusinessObjects Design Studio Dashboards erstellt werden, die den Anforderungen der Fachbereiche gerecht werden.
Zunächst wird auf die fachlichen Aspekte von gutem Dashboard-Design eingegangen. Hier steht die Entwicklung eines unternehmensweiten Notationskonzepts für Berichte und Dashboards im Vordergrund. Anschließend wird anhand von Beispielen gezeigt, wie auf Basis der Möglichkeiten des HTML5-SDKs von SAP BusinessObjects Design Studio diese „visuelle Sprache“ umgesetzt wurde. Beide Aspekte - Technologie und Notation - sind Schlüsselfaktoren für die erfolgreiche Entwicklung von Dashboards.

Micronas hat sich 2012 entschieden, Qlikview und FusionCharts für die Darstellung und Analyse von Kennzahlen einzusetzen.  Wir zeigen auf, wie und warum diese Entscheidung getroffen wurde und wie sich hierdurch die Systemlandschaft ändert. Außerdem berichten wir über unsere Erfahrungen bei der Einführung  der ersten beiden Qlikview - Anwendungen.