einführung eines thematisches umfeld? data warehouse … · einführung eines data...
TRANSCRIPT
Einführung einesEinführung einesData WarehouseData Warehouse-Systems …-Systems …
Traum oder Alptraum?
Dr. Monika Jarosch
Vortrag FH Nordostniedersachsen – Suderburg20. März 2003
MIS Data Warehouse
EINFÜHRUNG --- wo befinden wir uns eigentlich?
Data Warehouse& GIS
FM
CRM
Content Management
IT-Lösungen
20.03.03 Dr. Monika Jarosch 2
Angewandte Informatik
Thematisches Umfeld?Thematisches Umfeld?
Bauingenieurwesen
– Umwelttechnik– WasserwirtschaftGeo-Hydro-Umwelt-Informatik
Wirtschaftsinformatik
Bauingenieurw
esen
…
Relevanz?
20.03.03 Dr. Monika Jarosch 3
Relevanz?Relevanz?
Bauingenieurwesen– Umwelttechnik– WasserwirtschaftGeo-Hydro-Umwelt-Informatik
Bayrisches Landesamt für Wasserwirtschaft:Aufbau und Betrieb des Data Warehouse Wasserwirtschaft DWW+Betrieb des Geografischen InformationssystemsGIS-Was
Exemplarisch …
Gesucht wird …
Niedersächsische Wasserwirtschaft:Abgestimmt auf Wasserrahmenrichtlinie WRRLLandesweites Fachinformationssystem FIS-W
Kern: zentrale Datenbank als Data Warehouseüber Intranet des Landes an Landesdienststellen
20.03.03 Dr. Monika Jarosch 4
Ausschreibungsinhalte!Ausschreibungsinhalte!
� Anwendung betriebswirtschaftlicheStandardsoftware
Speziell …
� Anwendung von IT-Systemenin den Bereichen:
– Informationsmanagement– Workflow– Facility Management
Für wen?
20.03.03 Dr. Monika Jarosch 5
Hörerkreis?Hörerkreis?
� Studierende 2. und 4. Semester
� Fachkollegen
� Berufungskommission
Sep Okt Nov Dez Jan Feb Mär Apr Mai Jun Jul Aug
WSSS
FÜR WEITERE INFOS...www.uni-siegen.de/dept/fb10/verm
Verständigung?
20.03.03 Dr. Monika Jarosch 6
Womit haben wir es zu tun?
20.03.03 Dr. Monika Jarosch 7
Babel ?!Babel ?!
� Data Warehouse System� Traum� Alptraum
[′d�it�w��haus]Fachgebiet
„AngewandteInformatik“
AnwendungsbereichGeo-Hydro-Umwelt-
Informatik
FB BauingenieurwesenWasserwirtschaft und
Umwelttechnik
Geodätin
Sprachengewirr!
20.03.03 Dr. Monika Jarosch 8
Babel ?!Babel ?!
� Data Warehouse System DWSEnterprise Data Warehouse EDW
� Traum� Alptraum ?
mainframeOLTP
databasedata mart
data miningweb mining/ clickstreamdecision support system
Data-Warehouse
Form der Datenverwaltung in Unternehmen. DasData-Warehouse strukturiert die in einem Unternehmenvorhandenen Daten, um aussagekräftige Informationenfür unternehmerische Entscheidungen (Vertrieb,Marketing etc.) zu liefern. Wichtigstes Merkmal ist diestrikte Trennung der entscheidungsunterstützendenDaten von operativen Daten.
20.03.03 Dr. Monika Jarosch 9
Babel ?!Babel ?!Akronyme … Synonyme …Akronyme … Synonyme …
� Data Warehouse-System DWSEnterprise Data Warehouse EDW
� Traum� Alptraum ?
CRM – Customer Relationship M. / SFA – Sales Force AutomationEDM – Engineering Data M. = PDM – Product Development M. (USA)
Document M. = PIM Product Information M.TDM – Technical Data M. = TIM Technical Information M.
ECM – Enterprise Content M.QM – Quality M.
Knowledge M.E-mail M. = Fraud M.
E-CommerceE-Government
ERP – Enterprise Ressource PlanningEAI – Enterprise Application Integration
BI – Business Intelligence
ManagementTechnische Dokumentation
EDM:Verwaltung und Workflow-M. technischer Daten
– Engineering Data M.– Electronic Document M.
– Electronic Drawing M.– Enterprise Document M.Ziele??
20.03.03 Dr. Monika Jarosch 10
Ziel - globalZiel - global
Ziel konkret?
20.03.03 Dr. Monika Jarosch 11
Ziel - konkretZiel - konkret
� Endziel der Vorlesung:
Einführung Einführung in einin ein Data WarehouseData Warehouse-Systems-Systems
BeurteilungBeurteilung der Einführung eines der Einführung eines Data WarehouseData Warehouse--SystemsSystems
� Beziehung zu anderen Themen
� Wichtige Etappen der ZeitplanungThema: 2. Drittel vs. 1. Veranstaltung …
Einführung eines Einführung eines DataDataWarehouseWarehouse-Systems …-Systems …
beim Auditorium??beim Auditorium??
Motivation?
Technik Strategie
Proz
esse
Syst
eme
xTech-nischeGrund-lagen
Inte
grat
ions
plat
tform
20.03.03 Dr. Monika Jarosch 12
Warum??? Aktualität!Warum??? Aktualität!
� New Orleans Winter 2003tdwi – The Data Warehouse Institutebusiness intelligence anddata warehousing market
� Data in multiple information systems
� Decision support applications
DATEN -> INFORMATION -> WISSEN –- der Traum!
20.03.03 Dr. Monika Jarosch 13
Daten …
Wissens-und Informationsflut!
Strukturierungder
Informationslandschaft
Informationsversorgungim
Unternehmen
Durchgängigkeit
Closed-Loop-Lösung!
Traum!Ein ganz normales Unternehmen …
20.03.03 Dr. Monika Jarosch 14
UnternehmenUnternehmen
BusinessSupportSysteme
Geschäftsbereiche – täglich ablaufende Geschäftsprozesse
OperationsSupportSysteme
InternetSolutions Consulting
• Marktstrategien• Geschäftsprozessgestaltung• Systemlösungen:
• Komzeption• SW-EW• Betrieb
Daten!Daten!
Daten!Daten!
Daten!Daten!
Daten!PflegeWartung
Nutzen aus Analyse
Datenbanken
Informationspool=
Datenzentrum desUnternehmens
1988: IBM stellt EBIS-Architektur vor!European Business Informations Systems
1993: amerik. Berater William Inmon„Data Warehouse“
Ansatz der Informationslogistik: Informationen = Produktionsfaktor
Status quo!?
20.03.03 Dr. Monika Jarosch 15
Vorher! Status quo?!Vorher! Status quo?!
Daten-banken
Dokumentationder Ergebnisse …
Unternehmen
Geschäfts-prozesse
bei steigender Datenflut:Informationsdefizit
? Eher Pflege und Wartungals Analyse und Nutzung
! Richtige Informationzur richtigen Zeitam richtigen Ort
Lösung: Data Warehouse!
TransaktionenAuswertungAbgeleitete Aktionen
Information Information WarehouseWarehouse (IBM) (IBM)
OLTPonline transaction
processing applications +other sources
Zielsetzung?
20.03.03 Dr. Monika Jarosch 16
ZielsetzungZielsetzungUnternehmen
(Vielzahl von)
DatenUnternehmerischeEntscheidungen
Information
Informationsbasisverbreitern
+Kundenorientierung
verbessern
! Zusammenführen bestehender Datenquellen! Aufbau eines einheitlichen Informationspools
DATA WAREHOUSE! --- Übersetzung …
20.03.03 Dr. Monika Jarosch 17
• Produktchancen identifizieren
• Erfolg von Marketing-Maßnahmenprognostizieren
• Performance von Geschäftsprozessentransparent machen
Informationsressource
Analyse von Informationen: konstruktiver Informationsgewinn
Unternehmenserfolg
Ansatz eines Data Warehouses (DW)
„interne Motivation“
„externe Motivation“
• Gesetzlich vorgegebenes Reporting(Umwelt-/ Qualitätsmanagement)
DATA WAREHOUSE! --- Definition nach Inmon
20.03.03 Dr. Monika Jarosch 18
Inmon, W. H.: Building the Data Warehouse, John Wiley,New York 1992
Inmon, der als „Vater“ des Data Warehousing angesehenwird, definiert ein Data Warehouse als:
„(...) subject-oriented, integrated, time-varying, non-volatile collection of data that is used primarily inorganizational decision making.“
• Themenorientierung• Integration• Zeitraumbezug• Nicht-Volatilität
Architektur
20.03.03 Dr. Monika Jarosch 19
Architektur einesData Warehouse (DW) Systems
Operative Systeme
DataWarehouse
Transformationsprogramme=> Einheitliches Format
Management Support Systeme
Management Unterstützungs-Systeme
Abruf von Information
Abfragen/ ReportsOLAP/ ROLAPData Mining:Filterung für weitergehende Analyse
Operative DB Operative DB Operative DB
externe DBexterne DB
externe DBexterne DB
externe DBexterne DB
Datenzugriffsschicht
Informationszugriffsschicht
Datenpool
+ externe Datenbanken
Stra
tegi
sche
Zie
leO
pera
tive
Zie
le
Finanz- und ProduktströmeStoff- und Energieströme
Umwelt- und ManagementpflichtenErfolgskennzahlen für nachhaltige Entwicklung
Erläuterung? Metadaten!
20.03.03 Dr. Monika Jarosch 20
ErläuterungData Warehouse (DW) Systems
Operative Systeme
DataWarehouse
Transformationsprogramme=> Einheitliches Format
Management Support Systeme
Management Unterstützungs-Systeme
Abruf von Information
Abfragen/ ReportsOLAP/ ROLAPData Mining: Filterung für weitergehende Analyse
Operative DB Operative DB Operative DB
externe DBexterne DB
externe DBexterne DB
externe DBexterne DB
Datenzugriffsschicht
Informationszugriffsschicht
Datenpool
+ externe Datenbanken
Daten über Daten:-Herkunft
- Zusammensetzung- Transformationsregeln
- Verdichtungsstufen- Version des DW
- Informationen über verdichtete Datenund deren Hierarchien
Met
adat
en
Stra
tegi
sche
Zie
leO
pera
tive
Ziel
e
Begründung des Aufbaus
20.03.03 Dr. Monika Jarosch 21
BegründungData Warehouse (DW) Systems
Operative Systeme
DataWarehouse
Management Support Systeme
Management Unterstützungs-Systeme
Abruf von Information
+ externe Datenbanken
Abfragen/ ReportsOLAP/ ROLAPData Mining
Operative DB Operative DB Operative DB
externe DBexterne DB
externe DBexterne DB
externe DBexterne DB
Datenzugriffsschicht
Informationszugriffsschicht
MetadatenProzeßmanagement
Datenpool
Zusätzlich zu Datenhaltungin operativen Systemen
Direkter Analyse-Zugriff aufoperative Systeme problematisch:- Datenmodelle nicht fachabteilungsgerecht- Performanceverlust- keine historischen Daten- keine Reproduzierbarkeit der Analyse
Transformationsprogramme
Realisierung des Traums – was hab ich davon?
20.03.03 Dr. Monika Jarosch 22
20.03.03 Dr. Monika Jarosch 23
TraumData Warehouse (DW) Systems
Operative Systeme
Management Support Systeme
Management Unterstützungs-Systeme
Abruf von Information
+ externe Datenbanken
Abfragen/ ReportsOLAP/ ROLAPData Mining
Operative DB Operative DB Operative DB
externe DBexterne DB
externe DBexterne DB
externe DBexterne DB
Datenzugriffsschicht
Informationszugriffsschicht
MetadatenProzeßmanagement
Sicherstellung von:
• Qualität• Integrität• Konsistenz
des Datenmaterials
Datenpool
DataWarehouse
Transformationsprogramme
Abgrenzung – was ist es nicht?
20.03.03 Dr. Monika Jarosch 24
AbgrenzungData Warehouse (DW) Systems
Operative Systeme
DataWarehouse
Management Support Systeme
Management Unterstützungs-Systeme
Abruf von Information
Abfragen/ ReportsOLAP/ ROLAPData Mining
Operative DB Operative DB Operative DB
externe DBexterne DB
externe DBexterne DB
externe DBexterne DB
Datenzugriffsschicht
Informationszugriffsschicht
MetadatenProzeßmanagement
Datenpool
+ externe Datenbanken
Data-MartVirtuelles Data Warehouse
Transformationsprogramme
Abgrenzung – was ist es nicht?
20.03.03 Dr. Monika Jarosch 25
Data Warehouse (DW) SystemsOperative Systeme
DataWarehouse
Management Support Systeme
Management Unterstützungs-Systeme
Abruf von Information
Abfragen/ ReportsOLAP/ ROLAPData Mining
Operative DB Operative DB Operative DB
externe DBexterne DB
externe DBexterne DB
externe DBexterne DB
Datenzugriffsschicht
Informationszugriffsschicht
MetadatenProzeßmanagement
Datenpool
+ externe Datenbanken
Data-MartVirtuelles Data Warehouse
Data Mart
VirtuellesDataWarehouse
Transformationsprogramme
Abgrenzung – was ist es nicht?
20.03.03 Dr. Monika Jarosch 26
Data Warehouse (DW) SystemsOperative Systeme
DataWarehouse
Management Support Systeme
Management Unterstützungs-Systeme
Abruf von Information
Abfragen/ ReportsOLAP/ ROLAPData Mining
Operative DB Operative DB Operative DB
externe DBexterne DB
externe DBexterne DB
externe DBexterne DB
Datenzugriffsschicht
Informationszugriffsschicht
MetadatenProzeßmanagement
Datenpool
+ externe Datenbanken
Data-MartVirtuelles Data Warehouse
Data Mart
VirtuellesDataWarehouse
Bestimmter Betriebsbereich
SinnvolleVorstufe
zuData Warehouse
Transformationsprogramme
Traum DSS
20.03.03 Dr. Monika Jarosch 27
TraumTraumDecision support Decision support system DSSsystem DSS
• Comparative sales figures between one week and the next
• Projected revenue figures based on new product sales assumptions
• The consequences of different decision alternatives, given pastexperience in a context that is described
• analyzes business data
• presents it so that users can make business decisions more easily
• may present information graphically
"operational application"collects the data in thecourse of normalbusiness operation
Rückfluss ins Operative!
Datenbanken
a computer program application: "informational application"
20.03.03 Dr. Monika Jarosch 28
databasedatabaseUnternehmen
collection of data
organized so thatcontents can easily be …
• accessed, • managed, and • updated
http://searchdatabase.techtarget.com/sDefinition
relational database• a tabular database• can be reorganized and accessed in anumber of different ways
object-oriented programming
distributed database• can be dispersed orreplicated among differentpoints in a network
• congruent• data defined in object classes and subclasses
Datenbank-Manager
20.03.03 Dr. Monika Jarosch 29
databasedatabaseUnternehmen
collection of data
http://searchdatabase.techtarget.com/sDefinition
aggregations of data records or files
• sales transactions, • product catalogs and • inventories, and • customer profiles
database managerprovides users the capabilities of …
• controlling read/write access
• specifying report generation, and • analyzing usage
Operative und informative DB
20.03.03 Dr. Monika Jarosch 30
Operative und informative DatenbankenOperative und informative Datenbanken
Charakteristika Operative DB Informative DB
Transaktionsvolumen hoch niedrig bis mittelAntwortzeit sehr schnell (Sekunden) normal (bis zu mehreren Minuten)Update permanent niedrige Frequenz – teilweise mtl.Betrachtungsperiode aktuelle Periode Vergangenheit bis ZukunftUmfang anwendungsintern anwendungsübergreifendAktivitäten operativ, detailliert analytischAbfragen vorhersehbar, periodisch unvorhersehbar, ad hocNiveau der Daten detaiiliert aggregiert, aufbereitetVerarbeitungseinheit Datensatz (record) 1-dim Matrizen (array) multi-dim,
sachbezogenZeithorizont 1-3 Monate mehrere Jahre bis JahrzehnteDatenaktualität permanent gegeben nur nach updates gegeben
GESTALTUNG eines Data Warehouse --- Prozeßschritte
20.03.03 Dr. Monika Jarosch 31
Aufbau eines Data Warehouses
3 grundlegenden Prozeßschritte:
• Datenextraktion
• Datentransformation
• Online-Analyse
Datenextraktion
20.03.03 Dr. Monika Jarosch 32
1. Prozeßstufe: DatenextraktionLaden der Daten
aus den unterschiedlichen im Unternehmen
vorhandenen Datenquellen
komplexester Prozess im DW Design!
Faktoren
• Datenqualität• räumliche Verteilung der Quellen
Datenextraktion in verteilten, dynamischwachsenden DV-Umgebungen besteht die
Möglichkeit, Daten über individuelleProgramme oder über regelbasierte Prozesse
in das DW zu laden.
• relationalen DB (z.B. Oracle)• nichtrelationale Datenquellen (z.B.ASCII Dateien, HTTP)
Übernahme + Bereinigung
• Strukturen• Metadaten• Daten
Datentransformation
20.03.03 Dr. Monika Jarosch 33
2. Prozeßstufe: Datentransformation
Transformation aufverschiedene
Aggregationsstufen
• Kategorisierung der Daten• Bildung von Dimensionen• Herausarbeitung relevanter Kennzahlen
Designprozeß
Speicherung• relational (ROLAP)• multidimensional (MOLAP)
Online-Analyse
20.03.03 Dr. Monika Jarosch 34
3. Prozeßstufe: Online-AnalyseVerfahren derDatenanalyse
ungerichtete Datenanalyse
Data Mining Business Intelligence (BI)
unentdeckte Zusammenhänge aus dem DW extrahieren
Navigieren und Analysieren unterstützten• Was wäre wenn"- Analysen• Simulationsmodelle• Sensitivitätsanalysen• ABC-Analysen• Trendberechnungen
Zur Visualisierung sollten vielfältige grafische Möglichkeiten zur Verfügungstehen. Die Online-Analyse kann auf Client-Seite oder durch WWW erfolgen.
Überarbeitung der gesammelten Daten
20.03.03 Dr. Monika Jarosch 35
Überarbeitung der gesammelten DatenÜberarbeitung der gesammelten Daten
• Datenverdichtung und Granularität
• Partitionierung
• Denormalisierung
Granularität
20.03.03 Dr. Monika Jarosch 36
Steigende Verdichtung => höhere Granularität(benötigter Speicherplatz,
erreichbare Verarbeitungsgeschwindigkeit,Flexibilität des Data Warehouse)
DV-technische Anforderungen an GranularitätBetriebswirtschaftliche Anforderungen an Granularität
Mehrstufige Granularität,ansteigend mit zunehmenden Alter der Daten
• Datenverdichtungund Granularität
(Detaillierungsgrad der in DW gespeichertenDaten)
• Partitionierung
• Denormalisierung
Partitionierung
Überarbeitung der gesammelten DatenÜberarbeitung der gesammelten Daten
20.03.03 Dr. Monika Jarosch 37
• Datenverdichtungund Granularität
(Detaillierungsgrad der in DW gespeichertenDaten)
• Partitionierung
• Denormalisierung
= Fragmentierung
Gesamter Datenbestand wird inmehrere kleine, physisch selbständige Partitionen
mit redundanzfreien Datenbeständen
RestrukturierungIndizierung
ReorganisationenDatensicherungen
Denormalisierung
Überarbeitung der gesammelten DatenÜberarbeitung der gesammelten Daten
20.03.03 Dr. Monika Jarosch 38
• Datenverdichtungund Granularität
(Detaillierungsgrad der in DW gespeichertenDaten)
• Partitionierung
• Denormalisierung
Normalisierung + referentielle Integrität=> Gewährleistung der Datenkonsistenz in relationalen DBs
De-Normalisierung = Verzicht auf Redundanzfreiheit
Grund: Abfragegeschwindigkeit!durch Reduktion der Datenzugriffe => kürzere Antwortzeiten
Closed Loop
Überarbeitung der gesammelten DatenÜberarbeitung der gesammelten Daten
20.03.03 Dr. Monika Jarosch 39
Ergebnis: Ergebnis: DatawarehouseDatawarehouseInformation Information Warehouse Warehouse (IBM)(IBM)
Daten-Banken
IdentischSeparat?
OLTPonline transaction
processing applications +other sources
Unternehmen
Geschäfts-prozesse
Mainframe Server
Analytical applicationsAnalytische Anwendungen
User queriesOperative
Anwendungen
Rückkopplung!
Datenstrukturen und Aktualisierung
OLTP-SW: * client/server processing* brokering SW for different computer platforms in a network
20.03.03 Dr. Monika Jarosch 40
Datenstrukturen?Datenstrukturen?
Data Warehouse
Daten-Banken
Analytische Anwendungen
transaktionsverarbeitende Anwendungen
Transaktions-
Daten-Banken
? Separat?Unterschiedliche Datenstruktur!
! Schnelles Lesen und Speicherneinzelner Datensätze
Normalisierte relationale Struktur(Informationen redundanzfrei in Tabellen)
+ Indizierungsverfahren
! Durchsuchen großer Datenbestände
Sternschemamit redundanter Datenhaltung
OperationalData Store
ODSAuswertung
zeitnah!
Aktualisierung: mehrere Stunden
Konkretes Nutzungsbeispiel
20.03.03 Dr. Monika Jarosch 41
Beispiel:Beispiel:
Technical DatawarehouseTechnical Datawarehouse
Technical Data Warehouse
Daten aus SAP:
ERP-Daten
Daten aus Prozess-/Produktions-Information-
system
Daten aus anderenDatenquellen
- Umwelt-Management
Internet-Veröffentlichung:
Webmapping(Kartenbasis)
Gesetzl. vorgegebeneBerichtsaufgaben:EPER-Richtlinie
(Emissions-Berichtspflicht)
Berichtswesen
www.inplus.de Vorbereitung für ZUGRIFF – Ordnung in Produktdaten
20.03.03 Dr. Monika Jarosch 42
Ergebnis? Traum!Ergebnis? Traum!
Ordnung für Produktdaten!Aufbereitung
Produktdaten Unternehmen
Vorbereitung für Zugriff Einsatz in unternehmensübergreifende Lösungen:
• Klassifizierung• Lokalisierung• Normalisierung• Rationalisierung• Standardisierung
DatenMIS
CRMKunden
ECMProdukte
Enterprise Content Management
CMP
CrossMedia
Publishing
MarketingVertriebSchulungService
ERPUnternehmen
20.03.03 Dr. Monika Jarosch 43
Ergebnis? Traum!Ergebnis? Traum!
Ordnung für Produktdaten!Aufbereitung
Produktdaten Unternehmen
Vorbereitung für Zugriff Einsatz in unternehmensübergreifende Lösungen:
• Klassifizierung• Lokalisierung• Normalisierung• Rationalisierung• Standardisierung
Produkteübergeordnete Produktklassen
allg. verbindliches hierarchisches Schema
20.03.03 Dr. Monika Jarosch 44
Ergebnis? Traum!Ergebnis? Traum!
Ordnung für Produktdaten!Aufbereitung
Produktdaten Unternehmen
Vorbereitung für Zugriff Einsatz in unternehmensübergreifende Lösungen:
• Klassifizierung• Lokalisierung• Normalisierung• Rationalisierung• Standardisierung
Anpassung vonBeschreibungen+Größen
anbranchen-/ länderspezifische
Gegebenheiten
20.03.03 Dr. Monika Jarosch 45
Ergebnis? Traum!Ergebnis? Traum!
Ordnung für Produktdaten!Aufbereitung
Produktdaten Unternehmen
Vorbereitung für Zugriff Einsatz in unternehmensübergreifende Lösungen:
• Klassifizierung• Lokalisierung• Normalisierung• Rationalisierung• Standardisierung
Einheitliche Terminologiefür
Beschreibungen/ Abkürzungender einzelnen Produktdaten
(variiert je nach Unternehmen/ Datenbank)
20.03.03 Dr. Monika Jarosch 46
Ergebnis? Traum!Ergebnis? Traum!
Ordnung für Produktdaten!Aufbereitung
Produktdaten Unternehmen
Vorbereitung für Zugriff Einsatz in unternehmensübergreifende Lösungen:
• Klassifizierung• Lokalisierung• Normalisierung• Rationalisierung• Standardisierung
Anordnung vonProduktbezeichnungen/ Eigenschaften
nach festem Muster
(Suchfähigkeit)
20.03.03 Dr. Monika Jarosch 47
Ergebnis? Traum!Ergebnis? Traum!
Ordnung für Produktdaten!Aufbereitung
Produktdaten Unternehmen
Vorbereitung für Zugriff Einsatz in unternehmensübergreifende Lösungen:
• Klassifizierung• Lokalisierung• Normalisierung• Rationalisierung• Standardisierung
Kompatibilitätbei elektronischer Übertragung/
Definition produktübergreifender Attribute,die den Austausch zwischen
firmenspezifisch aufgebauten Produktkatalogenregeln!XML
KOMPONENTEN – technische Realisierung
20.03.03 Dr. Monika Jarosch 48http://searchdatabase.techtarget.com/sDefinition
Technische Realisierung eines DWTechnische Realisierung eines DW
• Größenordnung: mehrere Terabyte … (operativer Datenbestand wird überstiegen!)• Leistungssteigerung von Client-/Server-Systemen
• Faktoren zur Beeinflussung der Leistungsfähigkeit des DW:• HW-Ausstattung• Betriebssysteme• Datenbanken• Analysetools
• Trend:• weg von proprietären Systemen• hin zu Standard DBMS(mehr Flexibilität => höhere Plattformverfügbarkeit und Investitionssicherheit)
ANALYSE – Anwendung des Datawarehouse
20.03.03 Dr. Monika Jarosch 49
Anwendung: Anwendung: DatawarehouseDatawarehouse
Daten-banken
OLTPonline transaction
processing applications +other sources
Unternehmen
Geschäfts-prozesse
Mainframe Server
data miningweb mining
decision support system
Applications,using datawarehouse
IBM refers to itslarger processorsas large serversand emphasizesthat they can beused to servedistributed usersand smallerservers in acomputingnetwork.
Data mining
Transactions:spanning networkSeveral companies
20.03.03 Dr. Monika Jarosch 50
• Schwellen (starre Schwellen)• fest vorgegebene(absolute oder relative) Werte• Test auf Über-/Unterschreitung
• Schwellen (variable Schwellen)• Schwellenwert kontextabhängig
• Schwellen (adaptiv)• nach Verteilung auftretenderAbweichungen
• Rankings• Listen mit n größten Plan-Ist-Abweichungen
• Datenmustererkennung DME• Auffälligkeiten in DatenbeständenHäufung von Datensätzen ähnlicherAussage
• to identify patterns• to establish relationships
• association - looking for patterns whereone event is connected to another event• sequence or path analysis - looking forpatterns where one event leads to anotherlater event• classification - looking for new patterns(May result in a change in the way the data isorganized but that's ok)• clustering - finding and visuallydocumenting groups of facts not previouslyknown• forecasting - discovering patterns in datathat can lead to reasonable predictions aboutthe futurehttp://searchdatabase.techtarget.com/sDefinition
sorting through data …
Mining meansextractingsomethinguseful or
valuable froma baser
substance,such as
mining goldfrom the
earth
Filter …
Analyse: Analyse: data mining
Web-mining
20.03.03 Dr. Monika Jarosch 51
• takes advantage of the huge amount of information gathered by a Web site
• to look for patterns in user behavior• to understand customer behavior• to evaluate the effectiveness of a particular Web site• to help quantify the success of a marketing campaign.
• integration of information gathered by traditional data mining methodologies andtechniques with information gathered over the World Wide Web
http://searchdatabase.techtarget.com/sDefinition
a type of data miningused in customer relationship management (CRM)
Analyse: Analyse: web mining
OLAP/ ROLAP
20.03.03 Dr. Monika Jarosch 52http://searchdatabase.techtarget.com/sDefinition
Neue Darstellung derSachzusammenhängeder operativen Datenin „Dimensionen“:= Vielzahl von Sichten(multidimensionale Sicht) undDarstellungsweisen von Basisdaten
Analyse AnalyseOnLine Analytical Processing/ Relationales OLAP
- Navigation durch Informationsbasis desUnternehmens
- Betrachtung detaillierter (drill-down)beziehungsweise aggregierter (roll-up)betriebswirtschaftlichen Daten
Relationale Tabellen:
• Abbildung der Dimensionen inein denormalisiertes„Star Schema“
• Zerlegung derDimensionstabellen in kleinereDimensionen:„Snowflake Schema“
• Produkte
• Kunden
• Regionen
• Zeit
• …
Übersicht der Komponenten
20.03.03 Dr. Monika Jarosch 53
Technische Realisierung eines DWTechnische Realisierung eines DW
Komplexes Beispiel: Differenzierung der Anwendung
20.03.03 Dr. Monika Jarosch 54
EINFÜHRUNG eines DWS
EinführungEinführung eines einesDatawarehouseDatawarehouse-Systems …-Systems …
Traum oder Alptraum?
Kommt drauf an …
Vorgang der Einführung?Ergebnis?
„Wenn Sie einen Hundjahrelang an der Leine
führen, dann dauert es eineZeit, bis er frei laufen
kann“(Wildschütz, EDV-Chef Stadtwerke Braunschweig )
Realität und Utopie
20.03.03 Dr. Monika Jarosch 56
Realität und Utopie …Realität und Utopie …
� Traumalle positiven Aspekte,die in realisierten Projektenexemplarisch angeführt werden …
� Alptraumalle Stolperfallen undWiderstände, die sich im Zugeder Einführung und Nutzungergeben …
Positiv: Traum
20.03.03 Dr. Monika Jarosch 57
Ergebnis? Traum!Ergebnis? Traum!
Klar strukturierte Geschäftsprozesse
Kurze Durchlaufzeiten
Reduzierte manuelle Tätigkeiten
Vollständige Rechnungsprüfung und Kostenkontrolle
Transparenz in Bestandsinformation
Konsistente Daten durch integrierte Systeme
ProzeßoptimierungSystementwicklung
OptimierterKundennutzen
Spannungsfeld der Lösungen
20.03.03 Dr. Monika Jarosch 58
Spannungsfeld der LösungenSpannungsfeld der Lösungen
Individuelle EigenentwicklungProprietäre Systeme
StandardproduktStandard - DBMS
Bestehende Prozeß- und IT-Landschaft (Systemplattform)
Praktisches Vorgehen
20.03.03 Dr. Monika Jarosch 59
Praktisches VorgehenPraktisches Vorgehen
� Phase der Einführung
� Nutzungsphase
… jemanden fragen, „der sich damit auskennt“ …Beratungsunternehmen herstellerneutral?!
Procedere?
Know-How?Akzeptanz?!
SW-Werkzeuge fürDW-Projekte existieren …
Vorgehens- undManagementkonzeptereichen oft nicht aus!
Consulting
20.03.03 Dr. Monika Jarosch 60
20.03.03 Dr. Monika Jarosch 61
DV-Technologie
Daten
1 Vision/Strategie
2 Architektur
3 Datenhaushalt
4 Datenbewirtschaftung
5 Applikationen
Mensch
BusinessI DefinitionII AnalyseIII DesignIV RealisierungV Betrieb
Scope �
DWH Deliverables �
Projektaufgaben
DWtec-Das saracus consulting Vorgehensmodell
�Zur Dokumentsicht
Brainauf C:
Brainauf CD (D:)
Brainauf CD (E:)
Konzeption
DW-Projekt!
20.03.03 Dr. Monika Jarosch 62
Prozeß Prozeß der Einführungder Einführungvon von DatawarehouseDatawarehouse-Systemen: -Systemen: Data Warehouse Data Warehouse Projekt DWPProjekt DWP
Methodik erfolgreiche Projektrealisierung vs. gescheiterte Data Warehouse Projekte
Kunde des Consultings = Unternehmen
„Wir verkaufen Ihnen nicht, was wir wollen, sondern das, was Sie weiterbringt!“
Plan
Build
Run
Projektplanung
Einführung der neuen Businessprozesse
Anwenderschulung + Support
Entscheidungen
20.03.03 Dr. Monika Jarosch 63
Entscheidungen!Entscheidungen!
� Architektur der Software� Modelle für die Datenhaltung� Werkzeuge für
Datenextraktion aus verschiedenen Quellen+ Datenbereinigung+ Überführung in DW
� Tools für die Datenanalyse� Aufsetzende Applikationen� Geeignete Computer + Vernetzung
Informationstechnische AspekteAber:
DW ist nicht! technologiegetrieben …
+Geschäfliche Zwecke!
undBedürfnisse der DW-Nutzert
Vorgehenskonzept
20.03.03 Dr. Monika Jarosch 64
VorgehenskonzeptVorgehenskonzept
� Phase der Einführung
� Nutzungsphase
inklusive aller begleitenden Maßnahmenfür Projekt- und Qualitätsmanagement.
Leistungsangebotdes Consultings:
Informationserforschung
Vorstudie
Betrieb
Phasen der Prozeßstufen
20.03.03 Dr. Monika Jarosch 65
Phasen der Prozeßstufen
Vorstudien
Systemdefinition
Modellierung
Implementierung und Betrieb/Wartung
20.03.03 Dr. Monika Jarosch 66
Phasen der Prozeßstufen
Vorstudien
Systemdefinition
Modellierung
Implementierung und Betrieb/Wartung
Vorstudien• Zieldefinitionen,
• Ist-Analysen
• Externe Datenquellen
• Prototyping
• fachliche Konzeption
20.03.03 Dr. Monika Jarosch 67
Phasen der Prozeßstufen
Vorstudien
Systemdefinition
Modellierung
Implementierung und Betrieb/Wartung
Systemdefinition
• Festlegen der System-Architektur
• Auswahl der zu verwendendenProdukte
• ROLAP vs. MOLAP,3-Tier vs. 2-Tier
• Client-Server-Konzepte
• Produktauswahl
• Datenbankauswahl
• Hardware-Ressourcen
20.03.03 Dr. Monika Jarosch 68
Phasen der Prozeßstufen
Vorstudien
Systemdefinition
Modellierung
Implementierung und Betrieb/Wartung
Modellierung
• Meta-Daten• Daten-Quellen• Data Warehouse• Data Mart• Datenfluß
20.03.03 Dr. Monika Jarosch 69
Phasen der Prozeßstufen
Vorstudien
Systemdefinition
Modellierung
Implementierung und Betrieb/Wartung
Implementierung undBetrieb/Wartung
• Automation
• Help-Desk
• Change-Management
• Tuning
• Backup
• Verifikation
BEISPIEL - GIS
20.03.03 Dr. Monika Jarosch 70
GISGISGIS
Strukturierte Anschaffung und Einführungeines GIS in einem Unternehmen
Beispiel:Beispiel:
Geoinformationssystem
Passend?
20.03.03 Dr. Monika Jarosch 71
Data warehousing Data warehousing Data warehousing ?????? Passendes Beispiel für …??? Passendes Beispiel für …
• SAP – GIS – Integration!
• Systementwicklung Philips Bremen `89-`93
• DB-Applikations-EW pgn Consulting&Engineering GmbH `94-`95 Achim
Zusammenhang?• proprietär• business-connector• EAI über Middleware (Bussystem)
Verweis auf Vortrag GIS+Datawarehouse
Data Warehousing and Business IntelligenceData Warehousing and Business IntelligenceA GIS Value PropositionA GIS Value Proposition
May 29, 2002 – GITA Session, Ontario
Charles ThompsonAssociate Director, IS/IT
Data Warehousing and Knowledge ManagementBell Canada
Verweis auf SW-Tage für Wasserwirtschaft
20.03.03 Dr. Monika Jarosch 73 20.03.03 Dr. Monika Jarosch 74
20.03.03 Dr. Monika Jarosch 75
In Analogie zu allg. Projekt der Datenverarbeitung!In Analogie zu allg. Projekt der Datenverarbeitung!
•• Laufzeit 5-10 Jahre Laufzeit 5-10 Jahre
•• kompetentes Projektteam kompetentes Projektteam
•• straffes Projektmanagement straffes Projektmanagement
Projekt GIS-EinführungProjekt GIS-Einführung
Nur 32% aller GIS-Projekte erfolgreich!20.03.03 Dr. Monika Jarosch 76
•• 1. Warum 1. Warum … wird das Projekt gemacht?… wird das Projekt gemacht?
•• 2. Was 2. Was … muss gemacht werden… muss gemacht werden
•• 3. Wie 3. Wie … soll vorgegangen werden?… soll vorgegangen werden?
•• 4. Wo 4. Wo … wird am Projekt gearbeitet?… wird am Projekt gearbeitet?
•• 5. Wer 5. Wer … bearbeitet das Projekt?… bearbeitet das Projekt?
•• 6. Wann 6. Wann … wird das Projekt bearbeitet?… wird das Projekt bearbeitet?
•• 7. Wie viel 7. Wie viel … wird das Projekt kosten?… wird das Projekt kosten?
•• 8. Welche 8. Welche … Qualitätsziele sind zu erreichen?… Qualitätsziele sind zu erreichen?
Projekt GIS-Einführung: 8 W sProjekt GIS-Einführung: 8 W s
20.03.03 Dr. Monika Jarosch 77
Nach Priorität geordnet!Nach Priorität geordnet!
•• A A unzureichende Projektkonzeptionunzureichende Projektkonzeption
1. Ungenaue Aufgabenbeschreibung1. Ungenaue Aufgabenbeschreibung2. Unklare Projektdefinition2. Unklare Projektdefinition
•• B B Mangelhafte FührungseigenschaftenMangelhafte Führungseigenschaften
3. Nichtbeachten menschlicher Aspekte3. Nichtbeachten menschlicher Aspekte4. Fehlende Unterstützung4. Fehlende Unterstützung5. Falscher Projektleiter5. Falscher Projektleiter
•• C C Technische GründeTechnische Gründe
Projekt GIS-Einführung: Projekt GIS-Einführung: ScheiterungsgründeScheiterungsgründe
6. Mangelnde Planung/ Kontrolle7. Unzureichende fachliches Know-How8. Schlechte Projektbasis9. Mangel an Anpassungsfähigkeit10. Technische Aspekte
Aus: IBM-Umfrageca 1990 bei EDV-Verantwortlichen …
20.03.03 Dr. Monika Jarosch 78
•• A A EntwicklungsbedarfEntwicklungsbedarf
GIS „von der Stange“ existiert nicht!GIS „von der Stange“ existiert nicht!
•• B B VerknüpfungVerknüpfungHeterogene Hard- und Softwaresysteme sowieHeterogene Hard- und Softwaresysteme sowieverschiedene Datenbankenverschiedene Datenbanken
•• C C Nutzung Nutzung von Internet-/ Intranet-/ von Internet-/ Intranet-/ ExtranetExtranet-Technologien-Technologien
•• D D Einbindung in UnternehmensinfrastrukturEinbindung in Unternehmensinfrastruktur
Projekt GIS-Einführung: Projekt GIS-Einführung: AufgabenspektrumAufgabenspektrum
• KNA zuWirtschaftlichkeitsbetrachtung
• Projektteam neben Routinearbeit
20.03.03 Dr. Monika Jarosch 79
•• A A Kooperation mit BehördenKooperation mit Behörden
Gemeinsame Konzeption zur Erstellung/ Nutzung von GeobasisdatenGemeinsame Konzeption zur Erstellung/ Nutzung von GeobasisdatenDefinition von Metadaten und MetainformationssystemeDefinition von Metadaten und Metainformationssysteme
•• B B neue Arbeitsinhalteneue Arbeitsinhalte
Schulung!Schulung!ArbeitsplatzbeschreibungArbeitsplatzbeschreibungAblauforganisationAblauforganisation
•• CC externe Vergabe?! der Datenerfassung (80% der Gesamtkosten!)externe Vergabe?! der Datenerfassung (80% der Gesamtkosten!)
Projekt GIS-Einführung: Projekt GIS-Einführung: “Externe“ Anbindung“Externe“ Anbindung
Wissen im! UnternehmenAufgabenformulierung
Kontrolle des Fremdproduktes
20.03.03 Dr. Monika Jarosch 80
V-ModellV-Modell
•• I I SystemanalyseSystemanalyse
•• II II SystemauswahlSystemauswahl
•• III III SystemeinführungSystemeinführung
Projekt GIS-Einführung: Projekt GIS-Einführung: PhasenkonzeptPhasenkonzept
20.03.03 Dr. Monika Jarosch 81
V-ModellV-Modell
•• I I SystemanalyseSystemanalyse
•• II II SystemauswahlSystemauswahl
•• III III SystemeinführungSystemeinführung
Projekt GIS-Einführung: Projekt GIS-Einführung: Phasenkonzept IPhasenkonzept I
Strategische PlanungIST-Erhebung und AnalyseKonzeptuelle Modellierung
Fachliches KonzeptIT-Konzept
KNA
20.03.03 Dr. Monika Jarosch 82
V-ModellV-Modell
•• I I SystemanalyseSystemanalyse
•• II II SystemauswahlSystemauswahl
•• III III SystemeinführungSystemeinführung
Projekt GIS-Einführung: Projekt GIS-Einführung: Phasenkonzept IIPhasenkonzept II
SystemausschreibungAngebotsbewertung
FunktionstestBewertung
Systemempfehlung
20.03.03 Dr. Monika Jarosch 83
V-ModellV-Modell
•• I I SystemanalyseSystemanalyse
•• II II SystemauswahlSystemauswahl
•• III III SystemeinführungSystemeinführung
Projekt GIS-Einführung: Projekt GIS-Einführung: Phasenkonzept IIIPhasenkonzept III
InstallationAbnahmeSchulung
DatenerfassungDatenübernahme
ProduktionWeiterbildung
20.03.03 Dr. Monika Jarosch 84
quantifizierbarquantifizierbar
•• break- break-evenevennach 5-6 Jahren …nach 5-6 Jahren …
Projekt GIS-Einführung: Projekt GIS-Einführung: Nutzen!Nutzen!
nicht quantifizierbar …nicht quantifizierbar …•• unternehmensweite Verfügbarkeitunternehmensweite Verfügbarkeitaktueller und konsistenter aktueller und konsistenter BetriebsmitteldatenBetriebsmitteldaten
•• Verbesserung der Qualität der Daten Verbesserung der Qualität der Daten
•• Vernetzung (Inter-/ Vernetzung (Inter-/ IntraIntra-/ -/ ExtranetExtranet))
•• Komfortable Selektionen und AnalyseKomfortable Selektionen und Analyse
•• Unterstützung der Unternehmensplanung Unterstützung der Unternehmensplanung
•• Umstrukturierung: neue ArbeitsinhalteUmstrukturierung: neue Arbeitsinhalte
•• Benutzung! der Daten: wächst mit ² der Nutzer Benutzung! der Daten: wächst mit ² der Nutzer
Optimierung derBetriebsprozesse(Absatzplanung,Instandhaltung)Optimierung der
kaufmännischen Vorgänge(Personalkosten)
20.03.03 Dr. Monika Jarosch 85
Integration Integrationunterschiedlicheunterschiedliche
HW+SWHW+SW
Projekt GIS-Einführung: Projekt GIS-Einführung: WorkflowWorkflow--ManagementManagement
TransparenzTransparenzvonvon
GeschäftsprozessenGeschäftsprozessen
= komplexe Systemabläufe
ablauf- und vorgangsorientierteVerarbeitung!
20.03.03 Dr. Monika Jarosch 86
Projekt GIS-Einführung: Projekt GIS-Einführung: WorkflowWorkflow--ManagementManagement
Workflow-Managementsystem
Netz vorplanen
Pläne beschaffen
Netzplanungkoordinieren
Bau planen
Leitungen planenBauauftragvergeben
Netzbauen
Leitungenvermessen aktualisieren
GIS RIS LIS NIS SAP Office DBMSetc
20.03.03 Dr. Monika Jarosch 87
•• Akzeptanzprobleme (Altersstruktur) Akzeptanzprobleme (Altersstruktur)
•• fehlende Verantwortungsbereitschaft bei Projektarbeit fehlende Verantwortungsbereitschaft bei Projektarbeit
•• Demotivation Demotivation (innerhalb und (innerhalb und ausserhalbausserhalb) Projektteams) Projektteams
•• Zielkonflikt zwischen Projektarbeit und Routinetätigkeit Zielkonflikt zwischen Projektarbeit und Routinetätigkeit
•• Machtverteilungen und Verschwörungen Machtverteilungen und Verschwörungen (Organisationseinheiten) (Organisationseinheiten)
Projekt GIS-Einführung: Projekt GIS-Einführung: Scheitern Scheitern unvermutet?unvermutet?
20.03.03 Dr. Monika Jarosch 88
•• 1. 1. SystemwechselSystemwechsel nahezu unmöglich nach Einführung nahezu unmöglich nach Einführung
•• 2. i.d.R. 2. i.d.R. MissverständnisseMissverständnisse zwischen GIS-Anbietern und Kunden zwischen GIS-Anbietern und Kunden
•• 3. 3. Funktionierende ProjektteamsFunktionierende Projektteams bei Kunden sind Ausnahmefall! bei Kunden sind Ausnahmefall!
•• 4. Vorsicht bei Beurteilung der 4. Vorsicht bei Beurteilung der ReferenzenReferenzen des GIS-Anbieters … des GIS-Anbieters …
•• 5. Vertrauensvolle 5. Vertrauensvolle ZusammenarbeitZusammenarbeit der Projektteams !! der Projektteams !!
•• 6. 6. QualifizierungQualifizierung des vorhandenen Personals .NE. Erfordernisse des vorhandenen Personals .NE. Erfordernisse
•• 7. Abschätzung der 7. Abschätzung der Endstufe der einzelnen GIS-ApplikationenEndstufe der einzelnen GIS-Applikationen(Fachschalen) nahezu unmöglich(Fachschalen) nahezu unmöglich
•• 8. 8. FunktionsorientiertesFunktionsorientiertes statt datenorientiertes Denken/ Handeln statt datenorientiertes Denken/ Handeln
•• 9. Unterschätzung des Aufwandes der einzelnen Prozesse 9. Unterschätzung des Aufwandes der einzelnen Prozesse
•• 10. 10. Zwischenmenschliche BeziehungenZwischenmenschliche Beziehungen technologische Aspekte technologische Aspekte
Projekt GIS-Einführung: 10 PostulateProjekt GIS-Einführung: 10 Postulate
20.03.03 Dr. Monika Jarosch 89
•• Behr, F.-J.: Behr, F.-J.:„Strategisches GIS-Management“, Wichmann, Heidelberg, 1998.„Strategisches GIS-Management“, Wichmann, Heidelberg, 1998.
•• Bernhard, U.: Bernhard, U.:„Geo-Informationssysteme in EVU“, 1.Aufl., VWEW, Frankfurt/M., 1994.„Geo-Informationssysteme in EVU“, 1.Aufl., VWEW, Frankfurt/M., 1994.
•• „Beraterwesen in der Kritik! Viel Geld für nichts?“, „Beraterwesen in der Kritik! Viel Geld für nichts?“,Business Business GeomaticsGeomatics, 01.03.1999., 01.03.1999.
•• TeichertTeichert, B.:, B.:„Strukturierte Anschaffung und Einführung eines GIS in einem„Strukturierte Anschaffung und Einführung eines GIS in einemUnternehmen“, Unternehmen“, zfvzfv, 127.Jg., Heft 1/2002, p.25., 127.Jg., Heft 1/2002, p.25.
Projekt GIS-Einführung: LiteraturProjekt GIS-Einführung: Literatur
20.03.03 Dr. Monika Jarosch 90
AAP + AAP + AAP +Internet GISInternet GISInternet GIS
KanalmanagementKanalmanagementKanalmanagementBeispiel:Beispiel:
Datenbank Oracle 8iOffene GIS-Lösungen GIS-Oberfläche v. C-Planin AutoCAD Map
von Autodesk
GIS
TOPOBASE=Geodatenserver – Zugriff/ Bearbeitung von Geodaten in Oracle DB
20.03.03 Dr. Monika Jarosch 91
Aufgaben-stellung
Metallgesellschaft
20.03.03 Dr. Monika Jarosch 92
20.03.03 Dr. Monika Jarosch 93 20.03.03 Dr. Monika Jarosch 94
20.03.03 Dr. Monika Jarosch 95 20.03.03 Dr. Monika Jarosch 96
20.03.03 Dr. Monika Jarosch 97
Historischer Abriss zur Entstehungder Daten als ein komplexes Datenmischwerk
Bauabteilung:Bauanträge, Genehmigungsanträge und internen Bautätigkeiten
ab etwa 1988:vermessungstechnischeErfassungaller baulichen Anlagen,wieGebäude undProduktionsanlagen
Aufmessung/ Digitalisierunganhand bestehenderPlanunterlagen vonTopographie, Straßen, Wege,Treppen,Befestigungsanlagenund Böschungen.
Einmessung (oder nachrichtliche Digitalisierung)von Versorgungseinrichtungen, wie Erdkabel,Gas- und Wasserleitungen oder oberirdischeSysteme wie Dampf-,Kondensat-, Druckluft- undHeizleitungen zum Teil beim Bau oder nachÄnderungen
20.03.03 Dr. Monika Jarosch 98
Datenverwaltung / -management
20.03.03 Dr. Monika Jarosch 99
Oracle 8i
20.03.03 Dr. Monika Jarosch 100
20.03.03 Dr. Monika Jarosch 101 20.03.03 Dr. Monika Jarosch 102
20.03.03 Dr. Monika Jarosch 103 20.03.03 Dr. Monika Jarosch 104
20.03.03 Dr. Monika Jarosch 105 20.03.03 Dr. Monika Jarosch 106
20.03.03 Dr. Monika Jarosch 107 20.03.03 Dr. Monika Jarosch 108
20.03.03 Dr. Monika Jarosch 109 20.03.03 Dr. Monika Jarosch 110
20.03.03 Dr. Monika Jarosch 111
Der aus den Beratungsgesprächen erwachsene Lösungsansatzlautet WebMapping. Die Bereitstellung, vorbearbeiteterGeodaten für den Anwender über das Internet oder überTelekommunikationswege. Der Auftrag für die Installation vonAuskunftsarbeitsplätzen bei einigen speziellenVerantwortungsträgern des Unternehmens wurde in Aussichtgestellt. Ein Ingenieurbüro wurde zunächst beauftragt einekonzeptionelle Machbarstudie anzufertigen.
WebMapping
20.03.03 Dr. Monika Jarosch 112
20.03.03 Dr. Monika Jarosch 113 20.03.03 Dr. Monika Jarosch 114
20.03.03 Dr. Monika Jarosch 115 20.03.03 Dr. Monika Jarosch 116