Naar een doorgedreven integratie van OLAP in de BI-omgeving

Maat: px
Weergave met pagina beginnen:

Download "Naar een doorgedreven integratie van OLAP in de BI-omgeving"

Transcriptie

1 Beleidsinformatica Tijdschrift Volume 30 Nummer 2 (2004) Naar een doorgedreven integratie van OLAP in de BI-omgeving Stijn Goedertier 1 Abstract OnLine Analytical Processing (OLAP) speelt al jaren een prominente rol bij de analyse van de steeds groter wordende hoeveelheden cijfermateriaal waar bedrijven heden ten dage mee geconfronteerd worden Deze populariteit heeft OLAP vooral te danken aan de eenvoud en de snelle responstijd waarmee alledaagse cijferanalyses uitgevoerd kunnen worden Toch hangt het succes van OLAP niet alleen af van diens eigen functionaliteit, maar ook van de mate waarin OLAP zich integreert met de andere componenten van de Business Intelligence-omgeving (BI) In dit artikel worden drie aspecten van deze integratie behandeld Een eerste aspect is de evolutie naar een geïntegreerd metamodel, dat de duplicatie van metadata binnen de componenten van een BI-suite moet voorkomen Daarnaast is er de ontwikkeling van een universele OLAP-API, die een uniforme toegang tot OLAP-bronnen moet bewerkstelligen Een laatste, zeer interessant aspect, zijn de integratiemogelijkheden tussen OLAP en data mining, die het onderscheid tussen verificatiegebaseerde en ontdekkingsgebaseerde analysestrategieën doet vervagen 2 1 De auteur is heden ten dage tewerkgesteld aan het Departement Toegepaste Economische Wetenschappen (FLOF-mandaat) en verricht onder leiding van Prof Dr J Vanthienen onderzoek rond de zogenaamde Business Rules -benadering in systeemanalyse en -ontwikkeling 2 Dit artikel is geschreven op basis van de eindverhandeling van de auteur: Naar een integratie van OLAP en data mining, Faculteit ETEW, 2004 (Promotor: Prof Dr J Vandenbulcke)

2 Inhoudsopgave 1 Inleiding 3 11 Definitie van OLAP 3 12 Situering van OLAP in de BI-omgeving 4 13 Naar een doorgedreven integratie 5 2 Het multidimensionaal gegevensmodel 6 21 Dimensies en cellen 6 22 Hiërarchieën 7 23 Eigenschappen 7 24 Aggregatiefunctie 8 3 Multidimensionale analyse 8 31 Query-talen uit de database-theorie 9 32 De basis-operaties van OLAP OLAP-navigatie 13 4 Naar geïntegreerde metamodellen Onnodige duplicatie van metadata Het Common Warehouse Metamodel (CWM) OMG s metadata-architectuur CWM s metamodellen OLAP-metadata in CWM Evaluatie van CWM 17 5 Naar universele query-talen en OLAP-API s De OLE DB for OLAP- (ODBO) en de XML for Analysis-API (XMLA) Multidimensional Expressions (MDX) Vergelijking tussen ODBO en XMLA Java OLAP (JOLAP) 20 6 Naar een integratie van OLAP en data mining Situering van OLAP en data mining Het terugkoppelen van data mining-patronen als business rules Ontdekkingsgedreven multidimensionale analyse 24 7 Conclusie 25 2

3 1 Inleiding Dat bedrijven heden ten dage gebukt gaan onder enorme informatiestromen is genoegzaam bekend Automatisering en telecommunicatie, maar ook fusies en overnames hebben deze informatiestromen de laatste jaren alleen maar doen aanzwellen Het mag dan ook geen verwondering wekken dat vooral grote bedrijven de laatste jaren aanzienlijke inspanningen geleverd hebben op het vlak van data-integratie en data warehousing getting the data en in Business Intelligence analysing the data, om deze gegevensstromen beheersbaar te houden en te kunnen aanwenden bij het nemen van tactische en strategische beslissingen OnLine Analytical Processing (OLAP) is één van de de meest populaire analysemethoden voor grote hoeveelheden cijfermateriaal is Het doel van OLAP is het uitvoeren van multidimensionale analyses Kort gezegd laat OLAP toe de meetwaarden in een multidimensionale database vanuit verschillende dimensies en op een verschillend aggregatieniveau te belichten OLAP-analyses bestaan uit zeer eenvoudige query s en berekeningen Desalniettemin is OLAP zonder twijfel de killer application van de BI-software industrie te noemen Argumenten hiervoor zijn de expansieve groei die de OLAP-markt de laatste jaren gekenmerkt heeft [13] en de vele afgeleide software-producten die rond OLAP ontstaan zijn 11 Definitie van OLAP Hoewel multidimensionale analyse teruggaat tot de jaren 1960 met de mathematische programmeertaal APL, kan men stellen dat OLAP pas in de jaren 1990 een rol van betekenis is gaan spelen in de bedrijfswereld De term OLAP werd in 1993 door Codd geïntroduceerd in een commerciële whitepaper [4], en was bedoeld om gegevensanalyses in contrast te stellen met OnLine Transaction Processing (OLTP) De FASMI-test van Pendse [13] geeft echter beter weer wat in het algemeen met OLAP bedoeld wordt FASMI staat voor: Fast Daar waar query s in operationele systemen voor OnLine Transaction Processing (OLTP) hooguit enkele records beslaan, is het niet uitzonderlijk dat OLAP-query s praktisch alle records in de OLAP-database beslaan Desondanks moeten OLAP-query s op snelle, interactieve wijze uitgevoerd kunnen worden Analysis Het doel van OLAP is in de eerste plaats het uitvoeren van ad hoc, multidimensionale gegevensanalyses OLAP is in principe minder geschikt voor het maken van lange en gedetailleerde rapporten In sectie 3 wordt verder toegelicht uit welke basisoperaties multidimensionale analyse bestaat of Shared De gegevens in OLAP-systemen zijn voor meerdere gebruikers toegankelijk Daarom moet OLAP zorgen voor authentificatie, autorisatie en 3

4 confidentialiteit Multidimensional Multidimensionaal is het kernwoord in OLAP Dit begrip verwijst naar de multidimensionale gegevensstructuur van een OLAP-kubus In de volgende sectie wordt deze gegevensstructuur in detail toegelicht Information Deze informatie bestaat uit numerieke gegevens, cijfermateriaal, die afkomstig zijn van operationele systemen en die via OLAP aan een multidimensionale analyse onderworpen worden De hoeveelheid cijfermateriaal die een OLAP-systeem aankan, is een belangrijk kenmerk van dit systeem 12 Situering van OLAP in de BI-omgeving Hoewel het er nauw mee verbonden is, onderscheidt OLAP zich van het data warehousing-, rapportering- en balanced scorecard-gebeuren Inmon definieert een data warehouse als een subjectgeoriënteerde, geïntegreerde, niet-volatiele, tijdsafhankelijke gegevensbron [7] Een data warehouse integreert aldus de gegevens uit meerdere operationele databronnen in een consistent geheel Hoewel data warehouses vaak een multidimensionale structuur hebben, in de vorm van sterschema s, is multidimensionaliteit geen definiërende voorwaarde, zoals dat wel het geval is voor OLAP Daarnaast is ook de snelheid waarmee data warehouse met query s omgaat van secundair belang, terwijl dit voor OLAP van primair belang is OLAP-kubussen worden vaak aangemaakt op basis van de gegevens die zich in data warehouses bevinden Daar waar OLAP ontwikkeld is voor het uitvoeren van eenvoudige, ad hoc analyses door hoofdzakelijk business users worden rapporteringsomgevingen in BI gebruikt voor het aanmaken van gedetailleerde en complexe rapporten, die weliswaar bedoeld zijn voor business users maar die door IT-experten gedefinieerd moeten worden In een BI-context worden rapporterings-query s vaak rechtstreeks op de data warehouse uitgevoerd Een balanced scorecard is een gepersonaliseerde lijst van zogenaamde Key Performance Indicators die een werknemer van een bedrijf toelaten zich een beeld te vormen van die deelaspecten van de bedrijfsvoering waar hij medeverantwoordelijk voor is Balanced scorcard-applicaties helpen in de eerste plaats bij de communicatie van bedrijfsstrategie, omdat ze aan werknemers duidelijk maken welke meetwaarden relevant zijn voor het realiseren van een bepaalde strategie in deze context hoort men vaak het devies: what gets measured, gets managed De meetwaarden van balanced scorecards worden vaak gehaald uit vooraf aangemaakte OLAPkubussen In figuur 1 zijn de gegevensstromen voor een typische BI-omgeving 4

5 weergegeven Data warehousing-, rapportering- en balanced scorecard-applicaties worden door vendors vaak gebundeld in zogenaamde BI-suites balanced scorecarding MD analysis management cockpit A A A A A Patterns OLAP CUBE REPORT data mining cube building reporting data warehouse ETL OLTP databases flat files spread sheets Figuur 1: De gegevensstromen in een typische BI-omgeving 13 Naar een doorgedreven integratie Uit bovenstaande situering, blijkt hoe OLAP zich onderscheidt van de andere componenten die deel kunnen uitmaken van BI-suites Toch hangt het succes van OLAP niet zozeer af van diens eigen functionaliteit, maar ook van de mate waarin OLAP zich integreert met deze andere componenten Het mag dan ook geen verwondering wekken dat deze componenten steeds beter naar elkaar toegroeien In dit artikel worden drie aspecten beschreven die wijzen op deze tendens naar een doorgedreven integratie Een eerste aspect is de evolutie naar een gemeenschappelijk metadatabeheer, dat de duplicatie van metadata in BI-suites moet tegengaan Vervolgens wordt ingegaan op de universele OLAP-query-talen en API s die de laatste jaren gespecificeerd werden Een laatste aspect zijn de integratiemogelijkheden tussen data mining en OLAP 5

6 2 Het multidimensionaal gegevensmodel Hoewel de eerste OLAP-implementaties reeds dateren uit het begin van de jaren negentig, bestaat er tot op heden geen algemeen aanvaard logisch OLAP-gegevensmodel Wat er wel bestaat, is een populaire metafoor voor OLAP waar vele gegevensmodellen naar verwijzen Deze metafoor is de (hyper)kubusmetafoor In deze sectie wordt de intuïtie van OLAP-gegevensmodellen aangereikt via de bespreking van de bouwstenen van deze metafoor 21 Dimensies en cellen Multidimensionale gegevensverzamelingen laten toe meetwaarden voor te stellen volgens verschillende dimensies en op verschillende niveaus van detail De logische structuur van deze gegevensverzamelingen is opgebouwd uit cellen met numerieke attributen die de meetwaarden voorstellen en ribben met groepen van categorieattributen die de dimensies voorstellen Op basis van de categorieattributen van de dimensies kunnen de meetwaarden dan geselecteerd en gegroepeerd worden Het geheel van cellen en hun verschillende dimensies vormt op deze manier een (hyper)kubus De voorbeelden in dit artikel hebben betrekking op een multidimensionale analyse van omzetcijfers Figuur 2 geeft de kubus SalesCube weer Deze heeft kubus drie dimensies: Time, Product en Customer De cellen in deze kubus bevatten het gerealiseerde omzetcijfer voor een bepaalde maand, product en klant Het schema van deze kubus zou men als volgt kunnen voorstellen SalesCube(Time,Product,Customer): Turnover P roduct Customer1 F renchf ries Customer Customer2 Carpet Chocolate 3 5 Beer Oct Nov Dec T ime Figuur 2: De OLAP-kubus SalesCube 6

7 Het multidimensionale gegevensmodel is echter zeer algemeen en leent zich tot de analyse van allerhande cijfermateriaal, dat vanwege diens hoge dimensionaliteit snel onoverzichtelijk wordt Grote ondernemingen gebruiken OLAP bijvoorbeeld voor de planning, budgettering en analyse van de boekhoudkundige cijfergegevens voor inter-groepstransacties gecorrigeerd van al hun dochterondernemingen Dergelijke OLAP-kubussen hebben het volgende schema BalanceSheets(BalanceSheetItem,FinancialUnit,Time): Realized,Projected IncomeSheets(IncomeSheetItem,FinancialUnit,Period): Realized,Budgeted Ook bij het meten en beheersen van allerhande kosten kan OLAP goede diensten bewijzen Onderstaande kubus is een schema voor de analyse van loonkosten SalaryCosts(SalaryItem,BusinessUnit,Employee,Period): Cost Een ander voorbeeld is de analyse van de opbrengsten en verliezen van allerhande portefeuilles zoals beleggingen en verzekeringscontracten InsuranceContracts(Policy,Customer,Period): Premia,Claims 22 Hiërarchieën De dimensies van een dergelijke kubus zijn geassocieerd met een hiërarchie die het aggregatieniveau of de granulariteit van de meetwaarden in een dimensie bepalen Om van een hiërarchie te kunnen spreken moet deze minstens bestaan uit twee of meerdere niveaus Elk niveau bestaat uit juist één categorieattribuut dat de categorieën van dit niveau aangeeft Omdat de bladknooppuntcategorieën van een dimensie op meerdere manieren kunnen worden gegroepeerd, is het niet ondenkbaar dat met een dimensie meerdere drill-down-paden zijn geassocieerd Merk overigens ook op dat een categorie van een subniveau niet noodzakelijk moet overeenkomen met juist één categorie van het bovenliggende niveau In dit geval is er een begrenzingprobleem tussen deze hiërarchische niveaus In figuur 3 is het schema van de dimensie Time weergegeven Deze dimensie heeft twee drill-down paths, namelijk year month week en year quarter week Merk op dat er een begrenzingsprobleem optreedt tussen de niveaus week en month, dat kan opgelost worden door een lager niveau day te introduceren 23 Eigenschappen In een multidimensionale analyse is men vaak enkel geïnteresseerd in een beperkt aantal categorieën die tot een bepaald niveau behoren Daarom laat OLAP, zie bijvoorbeeld de OLE DB for OLAP-specificatie (ODBO) [10], toe om eigenschappen toe te kennen aan de dimensieattributen die met een bepaald hiërarchisch niveau geassocieerd zijn Deze eigenschappen kan men dan in query s gebruiken om enkel de relevante categorieën te selecteren 7

8 all year quarter month week Figuur 3: De hiërarchie geassocieerd met de dimensie Product Binnen een dimensie Customer zou men bijvoorbeeld aan het categorieattribuut CustomerName de booleaanse eigenschap Children kunnen toevoegen Op basis van deze eigenschap kan men dan in de analyses filteren op die klanten die al dan niet kinderen hebben, zonder dat dit blijkt uit de hiërarchische structuur van de dimensie Customer 24 Aggregatiefunctie De manier waarop meetwaarden langsheen de niveaus van een dimensie worden geaggregeerd wordt vastgelegd door de aggregatiefunctie die op die meetwaarde van toepassing is Voorbeelden van aggregatiefuncties zijn sum, count, average, rank, enzovoort 3 Multidimensionale analyse Daar waar query s in relationele query-talen een transformatie zijn tussen tweedimensionale brontabellen en een tweedimensionaal query-resultaat, zijn multidimensionale query s een transformatie tussen een multidimensionale bronkubus en een multidimensionaal query-resultaat Althans in dit opzicht lijken multidimensionale query-talen een veralgemening van relationele query-talen Toch zijn de multidimensionale query s die men bij OLAP-analyses gebruikt, veel eenvoudiger dan de soms complexe samengestelde query s die men in SQL tegenkomt Deze eenvoud volgt uit de doelstellingen van OLAP Het objectief van OLAP is immers het uitvoeren van multidimensionale analyse aan de hand van point-andclick-operaties op een navigatiescherm, dat eenvoudige berekeningen zoals calculated measures en eenvoudige bewerkingen als slice en dice, drill-up en drill-down en pivot en nest moet toelaten Voor complexe berekeningen en geavanceerde rapporten is OLAP veel minder geschikt Deze zaken kunnen met spreadsheets, SQL en specifieke programma s gerealiseerd worden In deze sectie worden een aantal 8

9 multidimensionale query-talen uit de database-theorie toegelicht en aangewend om er de basisoperaties van OLAP mee te illustreren 31 Query-talen uit de database-theorie In database-theorie deelt men query-talen naargelang hun verschijningsvorm op in drie taalfamilies [1]: algebraïsche, logische en regelgebaseerde talen Algebraische query-talen verschaffen eenvoudige algebraïsche operaties voor het manipuleren van de gegevensstructuren waaruit databases zijn opgebouwd Omdat algebraïsche query s bestaan uit een sequentie van basisoperaties die het antwoord op een query opbouwen, noemt men deze talen prescriptief Agrawal et al stellen een algebraïsche query-taal voor multidimensionele databases voor, die net zoals relationele algebra gestoeld is op rigoureuze mathematische grondvesten [2] Een tweede familie van query-talen is gebaseerd op logica Relationele calculus, bijvoorbeeld, is gebaseerd op predikatenlogica van de eerste orde Query s in relationele calculus zijn omzetbaar in relationele algebra via Codd s reductiealgoritme, maar hebben in tegenstelling tot algebra een descriptief karakter Cabibbo et al beschrijven een logische, multidimensionele query-taal en noemen deze MD-CAL [3] In databasetheorie bestaat er ook een derde taalfamilie, de regelgebaseerde query-talen, die hun oorsprong vindt in logisch programmeren Net als de logische taalfamilie zijn ook deze talen gebaseerd op eerste of hogere orde predikatenlogica Omdat regelgebaseerde query-talen de kern zijn van deductive databases, worden deze ook wel deductieve query-talen genoemd Net als logische query-talen zijn regelgebaseerde query-talen van nature descriptief Datalog is een bekende regelgebaseerde, relationele query-taal [1] Hacid et al stellen een regelgebaseerde taal voor de manipulatie van multidimensionale gegevensbronnen voor die sterk gelijkt op Datalog en die verder in de tekst Multi-D Datalog genoemd wordt [6] In dit artikel wordt Multi-D Datalog gebruikt om de basisbewerkingen van OLAP te illustreren Het gegevensmodel in Multi-D Datalog bestaat uit predikaten, die overeenstemmen met de cellen in een OLAP-kubus op hun verschillende aggregatieniveaus Een predikaat wordt als volgt weergegeven: N(N 1, N 2,, N p ): N p+1,, N p+q, waarbij een cel wordt geïdentificeerd door een celreferentie N(N 1, N 2,, N p ) waarmee een unieke celinhoud N p+1,, N p+q geassocieerd is Een dergelijke uitdrukking in Multi-D Datalog is de kleinse uitdrukking die waar of vals oplevert N legt de naam van het predikaat vast De argumenten N 1, N 2,, N p van een predikaat kunnen zowel constanten als variabelen zijn Analoog met Prolog worden variabelen met een hoofdletter voorgesteld en constanten met een kleine letter Intuïtief is een 9

10 term N(n 1, n 2,, n p ): n p+1,, n p+q te interpreteren als volgt: er bestaat een cel met celreferentie N(n 1, n 2,, n p ) in de kubus N die de meetwaarden n p+1,, n p+q bevat De kubus uit figuur 2 heeft in Multi-D Datalog het volgende schema SalesCube(Time,Product,Customer): Turnover en bestaat uit de volgende verzameling van termen: [SalesCube(oct,french fries,customer1): 104,, SalesCube(dec,beer,customer1): 9261 ] Net zoals in Datalog kan men query s formuleren aan de hand van de implicatie-operator Het predikaat in het rule head, de conclusie van de regel, dient men dan te beschouwen als het query-resultaat, de predikaten in het rule body, de premissen van de regel, als de bronkubussen Alle tupels die door een regel gegenereerd worden, worden in dit query-resultaat opgenomen In Multi-D Datalog ziet een typische regel ziet er als volgt uit: p(x): W q(x,y): W, r(y): X Deze regel moet verstaan worden als: als er in de OLAP-kubus q een cel met celreferentie q(x,y) bestaat die W bevat, en als er in de OLAP-kubus r een cel met celreferentie r(y) bestaat die X bevat, bestaat er in de OLAP-kubus p, het queryresultaat, een cel met celreferentie p(x) die W bevat Met behulp van deze taal zullen we nu de basisoperaties binnen OLAP, namelijk slice en dice, drill-up en drill-down en pivot, voorstellen 32 De basis-operaties van OLAP Multidimensionale analyse met OLAP verloopt aan de hand van point-and-clickoperaties op een navigatiescherm, waarbij de gebruiker het perspectief op de OLAPkubus voortdurend wijzigt aan de hand van vier basisoperaties, namelijk slice en dice, drill-up en drill-down en pivot en nest De query-resultaten worden door OLAP-client voorgesteld aan de hand van kruistabellen of grafieken De bewerkingen Slice en dice bestaat erin de OLAP-kubus in schijfjes en blokjes versnijden door in het query-resultaat één of meerdere dimensies tot enkele bepaalde dimensiecategorieën te beperken In onderstaande query wordt het queryresultaat op de kubus SalesCube beperkt tot de maand december In figuur 4 is het resultaat van deze query in een nieuwe kubus weergegeven QueryResult1(Time,Product,Customer): Turnover SalesCube(Time,Product,Customer): Turnover Time = Dec 10

11 Customer2 Customer1 F renchf ries 76 Carpet 3461 Chocolate 5 Beer 9261 Dec Figuur 4: De slice-bewerking op de kubus SalesCube De operaties drill-up en drill-down worden gebruikt om op te klimmen en af te dalen langsheen een dimensie van de kubus Op deze manier kan men de meetwaarden in een grover of fijner niveau van detail bestuderen Onderstaande query verandert het perspectief op de kubus SalesCube door het niveau van de dimensie Time van maandniveau naar kwartaalniveau te brengen De hiërarchische structuur wordt aangegeven door middel van het predikaat in(m onth, Quarter), dat welke maanden tot welk kwartaal behoren Het predikaat sum(t urnover, SalesCube(Quarter, P roduct, Customer)) sommeert de meetwaarden T urnover van alle cellen die tot eenzelfde kwartaal behoren Deze speciale predikaten noemt Marcel aggregate subgoals [9] In figuur 5 is het resultaat van deze query in een nieuwe kubus weergegeven QueryResult2(Quarter,Product,Customer): Tsum SalesCube(Month,Product,Customer): Turnover Tsum = sum(salescube(quarter,product,customer)) in(month,quarter) Customer2 Customer1 F renchf ries 277 Carpet Chocolate 8 Beer Q Figuur 5: De drill-up-bewerking op de kubus SalesCube De operatie pivot bestaat erin de dimensiestructuur van een query te wijzigen door de OLAP-kubus te projecteren op geheroriënteerde dimensie-assen Veronderstel bijvoorbeeld dat men in een tweedimensionaal perspectief met dimensies Time en Product de dimensie Product vervangt door de dimensie Customer Deze bewerking zou het perspectief op de kubus wijzigen van QueryResult3 naar QueryResult4 In figuur 6 zijn de resultaten van deze query s in kruistabellen weergegeven 11

12 QueryResult3(Time,Product): Tsum SalesCube(Time,Product,Customer): Turnover Tsum = sum(salescube(time,product,all)) in(customer,all) QueryResult4(Customer,Time): Tsum SalesCube(Time,Product,Customer): Turnover Tsum = sum(salescube(time,all,customer)) in(product,all) F renchf ries Carpet Chocolate 3 7 Beer Oct Nov Dec Dec Nov Oct Cust 1 Cust 2 Figuur 6: De pivot-bewerking op de kubus SalesCube Bij de operatie nest, tenslotte, wordt de dimensiestructuur van een query gewijzigd door de OLAP-kubus te projecteren op dimensieassen waarbij op minstens één dimensieas categorieën van meerdere dimensies genest zijn Om deze operatie voor te stellen gebruikt Marcel de -operator [9] In onderstaande query het perspectief op de OLAP-kubus SalesCube gewijzigd door de dimensie Time te nesten in de dimensie Product Het resultaat van deze bewerking is weergegeven in de geneste kruistabel van figuur 7 QueryResult5(Customer,ProductTime): Turnover SalesCube(Time,Product,Customer): Turnover F renchf ries Dec Nov 97 Oct 104 Carpet Dec Nov 3457 Oct 3456 Beer Dec Nov 9457 Oct 9656 Cust 1 Cust 2 Figuur 7: De nest-bewerking op de kubus SalesCube 12

13 33 OLAP-navigatie Eindgebruikers voeren multidimensionele analyses uit aan de hand van een navigatiescherm dat hun OLAP-client-applicatie ter beschikking stelt Deze clientapplicaties laten de gebruiker toe de gegevens in de OLAP-kubus te projecteren op tweedimensionale kruistabellen of multidimensionale grafieken Sommige geavanceerde OLAP-clients beschikken over uitgebreide visualisatiemogelijkheden, die bijvoorbeeld toelaten cijfermateriaal te projecteren op geografische kaarten De meeste OLAP-vendors bieden hun OLAP-client aan in de vorm van een webinterface 4 Naar geïntegreerde metamodellen Zoals vermeld in de inleiding, kan OLAP nog moeilijk los gezien worden van de andere componenten zoals de data warehouse, de rapporteringomgeving, enzovoort die deel uitmaken van heuse BI-suites Hoewel deze componenten alle beantwoorden aan andere behoeften, is het belangrijk dat deze componenten zo goed mogelijk met elkaar geïntegreerd zijn Een belangrijk aspect van de integratie van deze componenten ligt in de integratie van hun metadata 41 Onnodige duplicatie van metadata In de meeste BI-suites die vandaag op de markt zijn, is er sprake van een onnodige duplicatie van metadata Zo doen er zich bijvoorbeeld situaties voor waarbij componenten voor OLAP en rapportering beide gebruik maken van dezelfde gegevens in een data warehouse, maar toch afzonderlijke metadata over deze data warehouse bijhouden Nochtans hebben deze componenten heel wat metadata gemeenschappelijk Zo beschikken beide componenten typisch over metadata over de relationele verbanden tussen de feiten- en dimensietabellen in de data warehouse, over de hiërarchische structuur van de dimensietabellen, over uniforme en eventueel meertalige business-naamgeving van data warehouse-objecten, over gebruikersautorisatie, over business rules voor de berekening van afgeleide meetwaarden, enzovoort Eenzelfde besluit zou men ook kunnen nemen wanneer men de metadata waar ETL-tools over beschikken in de vergelijking binnen zou brengen Deze duplicatie van metadata is betreurenswaardig, omdat deze leidt tot dubbel werk in een BI-omgeving die reeds geplaagd wordt door erg arbeidsintensieve processen De oplossing voor deze duplicatie van metadata bestaat er in te zorgen voor geintegreerde metamodellen voor alle BI-componenten, die toelaat gemeenschappelijke metadata te hergebruiken in een wisselende context Voorbeelden van geïntegreerde metamodellen voor data warehouse- en OLAP-componenten kan men reeds 13

14 terug vinden bij IBM, dat met Cube Views een multidimensionaal metamodel bovenop DB2 s relationele metamodel plaatst, en bij Microsoft, dat een zogenaamd Unified Dimensional Model voorziet voor de Analysis Services-component van SQL Server 2005 Het Common Warehouse Metamodel (CWM) [12] is echter een meer algemeen, en bovendien vendor-onafhankelijk, metamodel dat bestaat uit geïntegreerde metamodellen voor relationele, multidimensionale en XML-gegevensbronnen, ETLprocessen, OLAP, data mining-analyses, enzovoort De metamodellen van CWM werden tot nog toe door weinig BI-vendors aangewend Niettemin verdient deze standaard, omwille van zijn metadata-architectuur en de draagwijdte van diens metamodellen, een bespreking in dit artikel 42 Het Common Warehouse Metamodel (CWM) Metadata laat zich het eenvoudigst definiëren als informatie over data In een OLAP-context, bijvoorbeeld, bestaat metadata onder andere uit informatie over de dimensies, categorieën, hiërarchiën, eigenschappen en meetwaarden waaruit een OLAP-kubus is opgebouwd Deze metadata is noodzakelijk voor het bouwen van query s op OLAP-kubussen of voor het aanmaken en beheren van nieuwe OLAPkubussen Rond metadata hebben zich de laatste jaren twee belangrijke standaardisatiebewegingen voorgedaan Een eerste standaardisatiebeweging deed zich voor binnen de Metadata Coalition (MDC) rond Microsoft De MDC bracht eind jaren negentig een algemene metadatastandaard uit die het Open Information Model (OIM) genoemd werd Een tweede, breed ondersteunde standaardisatiebeweging kwam tot stand onder de auspiciën van de Object Management Group (OMG) Deze bracht begin 2000 een metadatastandaard uit die specifiek op metadata rond data warehousing gericht is en die het Common Warehouse Metamodel (CWM) [12] gedoopt werd In juni 2000 besloten de leden van de MDC om zich aan te sluiten bij OMG s CWM om aldus de realisatie van één universele metadatastandaard mogelijk te maken 421 OMG s metadata-architectuur In feite is CWM een domeinspecifieke implementatie van OMG s algemene metadata-architectuur Deze metadata-architectuur bestaat uit drie andere grote OMGspecificaties: MOF, XMI en UML 1 OMG s Meta Object Facility-specificatie (MOF) onderscheidt drie metaniveaus, die in tabel 1 zijn weergegeven Een eerste metaniveau, het niveau M1, bevat de metadata over de data en objecten van niveau M0 Deze metadata 14

15 krijgt in MOF-terminologie de benaming model Het tweede metaniveau, niveau M2, bevat metadata over de modellen van niveau M1 Deze metadata krijgt in MOF-terminologie de benaming metamodel Het derde niveau, het niveau M3, tenslotte, bevat metadata over de metamodellen van niveau M2 Men spreekt van een meta-metamodel Dit meta-metamodel is een ontologie die vastlegt hoe domeinspecifieke metamodellen moeten worden gespecificeerd Het voordeel van een dergelijke ontologie is dat deze domeinspecifieke metamodellen onderling met elkaar in verband kunnen worden gebracht CWM is in feite niets anders dan een aantal domeinspecifieke metamodellen voor data warehouse- en BI-omgevingen Naast een meta-metamodel beschrijft de MOF-specificatie een aantal CORBA-IDL-interfaces die een repository moet implementeren voor het aanmaken, opvragen en manipuleren van metamodellen en hun geïnstantieerde modellen 2 XML Metadata Interchange-specificatie XMI definieert een mapping waarmee MOF-metamodellen in Document Type Definitions (DTDs) en MOFmodellen in XML-code omgezet kunnen worden Deze omzetting heet model serialization en is een sterke troef van OMG s metadata-architectuur omwille van de eenvoud en de middleware-onafhankelijkheid van XML 3 De Unified Modelling Language (UML), tenslotte, is een modelleringstaal waarmee in MOF meta-metamodellen, gedefinieerd en voorgesteld worden Tabel 1: OMG s vier-lagige metadata-architectuur meta- benaming voorbeeld niveau M3 meta-metamodel het MOF model M2 metamodel, meta-metadata UML metamodel, CWM metamodel M1 model, metadata UML modellen, CWM metadata M0 object, data applicaties, warehouse data 422 CWM s metamodellen Het Common Warehouse Metamodel (CWM) [12] definieert een kader waarbinnen metadata voorgesteld kan worden omtrent de aanmaak, het onderhoud, het beheer en het gebruik van databronnen, datatransformaties en gegevensanalyses CWM voorziet in meerdere sub-metamodellen die op hiërarchische wijze in UML packages onderverdeeld zijn, zoals afgebeeld in figuur 8 Zo bevat het Resource Package metadatamodellen om objectgeoriënteerde, relationele, multidimensiona- 15

16 le, record- en XML-gegevensbronnen voor te stellen Het Analysis Package bestaat uit metamodellen om datatransformaties en OLAP-, data mining- en visualisatieanalyses voor te stellen De metamodellen in het Managment Package, tenslotte, stellen metadata over het uitvoeren en beheren van BI-processen voor Management Warehouse Process Warehouse Operation Analysis Transformation OLAP Data Mining Information Visualization Business Nomenclature Resource Object Model Relational Record Multidimensional XML Foundation Business Information Data Types Expression Keys and Indexes Type Mapping Software Deployment Object Model Figuur 8: Een overzicht van de sub-metamodellen binnen CWM [12] 423 OLAP-metadata in CWM Ter illustratie van de metamodellen binnen CWM, wordt hier het OLAP-metamodel besproken Het OLAP-metamodel in de CWM-specificatie laat toe om metadata over de beschikbare OLAP-kubussen voor te stellen Deze metadata kan onder andere door applicaties gebruikt worden om op dynamische wijze query s aan te maken De Java OLAP-API [8], bijvoorbeeld, gebruikt de klassen in CWM s OLAP-metadatamodel als bouwstenen voor de constructie van OLAP-query s In figuur 9 zijn de voornaamste klassen en associaties van het OLAP-metamodel weergegeven De klasse Schema is hierbij de container die alle andere elementen in het OLAP-model bevat Vanuit dit Schema-object kan rechtstreeks genavigeerd worden naar alle Cube- en Dimensions-objecten die deze container bevat De klasse CubeDimensionAssociation brengt Cube-objecten in verband met hun gerelateerde Dimension-objecten Met een dimensie kunnen één of meerdere Hierarchy-objecten geassocieerd zijn Het schema van dergelijke Hierarchy-objecten is weggelaten in figuur 9, maar kort gezegd bestaan Hierarchy-objecten uit parent-child-relaties van Level-objecten (een subklasse van de klasse MemberSelection), die de Memberobjecten van een dimensie in disjuncte groepen partitioneren De overige klassen in het klassendiagram van figuur 9, modelleren metadata over de samenstelling van preaggregatie-gedeeltes van een OLAP-kubus 16

17 1 Schema / cube : Cube / dimension : Dimension / deploymentgroup : DeploymentGroup 1 * Cube isvirtual : Boolean / cubedimensionassociation : CubeDimensionAssociation / cuberegion : CubeRegion / schema : Schema 1 CubeDimensionAssociation / dimension : Dimension / cube : Cube 1 * / calchierarchy : Hierarchy * Dimension istime : Boolean ismeasure : Boolean / hierarchy : Hierarchy / memberselection : MemberSelection * 1 / cubedimensionassociation : CubeDimensionAssociation / displaydefault : Hierarchy / schema : Schema 01 1 * 1 calchierarchy 01 displa ydefault 01 Hierarchy / dimension : Dimension / cubedimensionassociation : CubeDim ensionassociation / defaulteddimension : Dimension * * CubeRegion isreadonly : Boolean isfullyrealized : Boolean / memberselectiongroup : MemberSelectionGroup / cube : Cube / cubedeployment : CubeDeploym ent 1 * MemberSelectionGroup / memberselection : MemberSelection / cuberegion : CubeRegion MemberSelection / dimension : Dimension / memberselectiongroup : MemberSelectionGroup * 1* * 1 * {ordered} CubeDeployment / cuberegion : CubeRegion / deploym entgroup : Deploym entgroup / contentmap : ContentMap Figuur 9: De voornaamste klassen uit het OLAP-metamodel [12] 424 Evaluatie van CWM CWM heeft als doelstelling de integratie van tools voor data warehousing en Business Intelligence (BI) te bevorderen Enerzijds voorziet CWM in universele metamodellen, die de uitwisselbaarheid van metadata tussen heterogene applicaties ten goede moeten komen en die de basis kunnen vormen voor universele query-talen en Application Programming Interfaces (API s) vooral Java-standaarden maken hiervan gebruik Anderzijds laat CWM toe om metadata over verschillende applicatiedomeinen met elkaar in verband te brengen, en als dusdanig de herbruikbaarheid van metadata te bevorderen Ondanks deze voordelen kan CWM nog steeds niet rekenen op een grote aanvaarding De adoptie van CWM is een werk van lange adem Bovendien blijven vele vendors zweren bij hun eigen metadatastandaarden, in een poging productafhankelijkheid te behouden 5 Naar universele query-talen en OLAP-API s Lange tijd waren OLAP-servers enkel toegankelijk via vendor-specifieke API s Deze situatie was betreurenswaardig, omdat deze de ontwikkeling van universele 17

18 OLAP-software-componenten in de weg stond Dergelijke universele API s leiden eveneens tot universele OLAP-clients en vergemakkelijken de toegang tot heterogene OLAP-bronnen vanuit spreadsheets en visualisatie- en balanced scorecardtoepassingen Het startsein tot standaardisatie werd gegeven door de OLAP Council, een consortium van vele OLAP-vendors, met de in 1998 verschenen MDAPIspecificatie die echter nadien door geen enkele vendor werd geïmplementeerd De laatste jaren, echter, heeft Microsoft s OLE DB for OLAP-API (ODBO) zich als de facto standaard naar voren geworpen Van deze standaard is trouwens al een opvolger bekend, de op SOAP-gebaseerde standaard XML for Analysis (XMLA) In Java kringen is men bezig met de ontwikkeling van de Java OLAP-specificatie (JOLAP) In feite is de trend naar universele OLAP-API s een heruitgave van wat zich jaren terug in de database-wereld heeft afgespeeld Net zoals universele API s als OLE DB en JDBC in de database-wereld de programmatorische toegang tot relationele databases sterk vereenvoudigd hebben, kunnen enkele recent gespecificeerde API s hetzelfde bewerkstelligen voor de toegang tot OLAP-kubussen In de onderstaande paragrafen wordt kort aandacht besteed aan de technische eigenschappen van deze API s 51 De OLE DB for OLAP- (ODBO) en de XML for Analysis- API (XMLA) De OLE DB for OLAP- (ODBO) [10] en diens opvolger, de XML for Analysisspecificatie (XMLA) [11], definiëren beiden een read-only API voor het raadplegen van OLAP-metadata en het uitvoeren van multidimensionale query s Beide API s maken gebruik van de multidimensionale query-taal Multidimensional Expressions (MDX) In essentie is het onderscheid tussen ODBO en XMLA terug te brengen op het communicatieprotocol waarmee OLAP-client en OLAP-server communiceren ODBO is hierbij gebaseerd op het OLE-protocol Window s COM-architectuur en XMLA baseert zich op SOAP 511 Multidimensional Expressions (MDX) Multidimensional Expressions (MDX) is een multidimensionale query-taal voor OLAP-gegevensbronnen die vastgelegd is in Microsoft s OLE DB for OLAP-specificatie, en die uiterlijk sterk doet denken aan SQL Vanwege de grote adoptie door andere OLAP-vendors, is MDX de de facto standaard Eindgebruikers zullen zelden te maken krijgen met MDX, omdat zij doorheen OLAP-kubussen browsen via een point-and-click navigatiescherm Niettemin kan de kennis van MDX nuttig zijn voor de programmatorische manipulatie van de gegevens in OLAP-kubussen 18

19 MDX-query s zijn een beschrijving van de structuur van het query-resultaat in functie van de structuur van de bronkubus Het resultaat van een MDX-query kan uit een willekeurig aantal dimensies bestaan, dit in tegenstelling tot een SQL-query waarvan het resultaat steeds de vorm van een tweedimensionale tabel aanneemt Algemeen gesproken volgt een MDX-query de volgende syntax SELECT [<axis_specification> [, <axis_specification>]] FROM [<cube_specification>] [WHERE [<slicer_specification>]] In het FROM-gedeelte van de query komt de bronkubus voor, waaruit de gegevens dienen opgehaald te worden Merk op dat in dit statement steeds juist één bronkubus vermeld staat, omdat MDX, in tegenstelling tot SQL, niet voorziet in join-condities over de gemeenschappelijke dimensies van meerdere kubussen Om de structuur van een query-resultaat te beschrijven maakt men in MDX gebruik van zogenaamde axis specifications en slicer specifications Axis specifications bepalen de dimensiestructuur van het query-resultaat en komen voor in het SELECT-gedeelte van de query Hiertoe bestaat een axis specification uit een set van dimensiecategorieën, dimension members genaamd, die verwijzen naar alle categorieën die moeten voorkomen op een as van het query-resultaat Merk op dat in een axis specification slechts dimension members van één en dezelfde dimensie mogen voorkomen Een Slicer specification is een tupel dat voorkomt in het optionele WHERE-gedeelte van een query en dient om te filteren op bepaalde dimensiecategorieën De dimension members in een slicer specification leggen hierbij op dat de meetwaarden in de cellen van de bronkubus enkel over de vermelde dimensiecategorieën mogen geaggregeerd worden Merk op dat dimensiecategorieën van een dimensie nooit tegelijkertijd in zowel een axis specification als de slicer specification kunnen voorkomen Van dimensies die noch voorkomen in de axis specification, noch in de slicer specification wordt aangenomen dat hun standaardcategorieën als slicerdimensies dienst doen Tenzij anders gedefinieerd zijn standaardcategorieën van een dimensie alle dimensiecategorieën van het hoogste niveau Om QueryResult3 te bekomen uit paragraaf 32, dient men in MDX een query te definiëren waar de maanden en de productnamen op de assen verschijnen axis specifications, en waarbij enkel de meetwaarden Turnover gesommeerd worden slicer specification SELECT [Time][Month]Members on AXIS(0), [Product][Product Name]Members on AXIS(1) FROM SalesCube WHERE [Measures][Turnover] 19

20 Merk op dat de concepten axis specification en slicer specification in MDX nauw aansluiten bij de bewerkingen van het navigatiescherm Pivoting of drilling-up en drilling-down komen hierbij overeen met het wijzigen van de axis specifications, terwijl slicing en dicing overeenkomt met het wijzigen van de slicer specification 512 Vergelijking tussen ODBO en XMLA ODBO en XMLA hebben de query-taal XML gemeenschappelijk, maar verschillen in het communicatieprotocol van de API ODBO is hierbij gebaseerd op het OLE-protocol Window s COM-architectuur en XMLA baseert zich op SOAP Deze verschillen hebben gevolgen voor de architectuur van de API s Daar waar de OLE DB for OLAP-specificatie typisch leidt tot een fat-clientarchitectuur, maakt de XML for Analysis-specificatie (XMLA) [11] ook thin-clientarchitecturen mogelijk In dergelijke thin-client-architecturen zijn geen databasespecifieke connectoren aan de client-zijde vereist Dit wil evenwel niet zeggen dat er geen database-specifieke database drivers meer voorkomen Dergelijke database drivers kunnen zich echter op een andere locatie op het netwerk bevinden dan de client-applicatie Men spreekt hier van database adapters In XML for Analysis wordt een dergelijke database adapter over het netwerk aangesproken via gestandaardiseerde SOAP-requests De database adapter zal dan vervolgens op een transparante manier verbinding maken met de OLAP-server XMLA voorziet in twee eenvoudige methodes, namelijk Discover en Execute, waarmee respectievelijk metadata opgevraagd kan worden en MDX-query s uitgevoerd kunnen worden Omdat SOAP-programmatie niet eenvoudig is, voorziet Microsoft in een object-wrapper, ADOMDNet genaamd, die beschibaar is voor de talen van het Net framework Deze wrapper biedt een objectmodel aan voor het ontdekken van metadata en het bouwen en verwerken van query s Microsoft kondigde ook aan een Enterprise Java Bean-object-wrapper, ADOMDJ genaamd, te voorzien, maar deze is voor zover nagegaan nog niet beschikbaar Alle hier vermelde protocollen en programmeertalen kunnen in een soort protocol stack geplaatst worden, die in figuur 10 weergegeven is 52 Java OLAP (JOLAP) Net als OLE DB for OLAP (ODBO) en XML for Analysis (XMLA) is Java OLAP (JOLAP) [8] een API die een programmatorische toegang verschaft tot OLAPservers De JOLAP-specificatie is echter puur gebaseerd op Java en alle aspecten van de API zijn puur objectgeoriënteerd Daar waar de API s uit de Microsoftwereld een query-taal (MDX) gebruiken, gebruikt JOLAP een objectmodel voor het raadplegen van metadata, het bouwen van query s en het weergeven van queryresultaten 20

Business Intelligence. Toepassing BI Database en Datawarehouse BI proces BI Organisatie Implementatie BI

Business Intelligence. Toepassing BI Database en Datawarehouse BI proces BI Organisatie Implementatie BI Business Intelligence Toepassing BI Database en Datawarehouse BI proces BI Organisatie Implementatie BI Toepassing BI (Operationele) sturing Financieel (BBSC) Performance NIET voor ondersteuning proces

Nadere informatie

Canonieke Data Modellering op basis van ArchiMate. Canonieke Data Modellering op basis van Archimate Bert Dingemans

Canonieke Data Modellering op basis van ArchiMate. Canonieke Data Modellering op basis van Archimate Bert Dingemans Canonieke Data Modellering op basis van ArchiMate Canonieke Data Modellering op basis van Archimate Bert Dingemans Abstract Modelleren op basis van de open standard ArchiMate is een goed uitgangspunt voor

Nadere informatie

Tools voor canonieke datamodellering Bert Dingemans

Tools voor canonieke datamodellering Bert Dingemans Tools voor canonieke datamodellering Tools voor canonieke datamodellering Bert Dingemans Abstract Canonieke modellen worden al snel omvangrijk en complex te beheren. Dit whitepaper beschrijft een werkwijze

Nadere informatie

I N H O U D V l a a m s M i n i s t e r - p r e s i d e n t K r i s P e e t e r s

I N H O U D V l a a m s M i n i s t e r - p r e s i d e n t K r i s P e e t e r s 5 I N H O U D Lijst van figuren 15 Lijst met tabellen 23 Voorwoord Vlaams Minister-president Kris Peeters 25 Dankwoord Inleiding Organisatie van dit boek Deel I Uitdagingen en definities van performance

Nadere informatie

Zelftest Java EE Architectuur

Zelftest Java EE Architectuur Zelftest Java EE Architectuur Document: n1218test.fm 22/03/2012 ABIS Training & Consulting P.O. Box 220 B-3000 Leuven Belgium TRAINING & CONSULTING INLEIDING BIJ DE ZELFTEST JAVA EE ARCHITECTUUR Nota:

Nadere informatie

Self Service BI. de business

Self Service BI. de business BI in de praktijk Self Service BI Breng de kracht van BI naar de business Luc Alix Sogeti Nederland B.V. Redenen voor Business Intelligence Sneller kunnen beslissen 42 % Beter kunnen beslissen 42 % Concurrentieel

Nadere informatie

Profiel Manfred Dousma

Profiel Manfred Dousma Profiel Manfred Dousma Personalia Naam ing. M.P. (Manfred) Dousma Adres Kramerstraat 42 9731 MK Groningen Geslacht man Geboortedatum 11 september 1978 Geboorteplaats Appingedam Nationaliteit Nederlandse

Nadere informatie

NHibernate als ORM oplossing

NHibernate als ORM oplossing NHibernate als ORM oplossing Weg met de SQL Queries Wat is ORM? ORM staat in dit geval voor Object Relational Mapping, niet te verwarren met Object Role Modeling. ORM vertaalt een objectmodel naar een

Nadere informatie

Betekent SOA het einde van BI?

Betekent SOA het einde van BI? Betekent SOA het einde van BI? Martin.vanden.Berg@sogeti.nl 18 september 2007 Agenda Wat is SOA? Wat is BI? Wat is de impact van SOA op BI? Sogeti Nederland B.V. 1 Agenda Wat is SOA? Wat is BI? Wat is

Nadere informatie

occurro Vertrouwt u uw gegevens? BI wordt volwassen Kasper de Graaf 31 maart 2009 De kracht van BI en Architectuur in de praktijk - Centraal Boekhuis

occurro Vertrouwt u uw gegevens? BI wordt volwassen Kasper de Graaf 31 maart 2009 De kracht van BI en Architectuur in de praktijk - Centraal Boekhuis Vertrouwt u uw gegevens? BI wordt volwassen Kasper de Graaf 31 maart 2009 De kracht van BI en Architectuur in de praktijk - Centraal Boekhuis BI & Data Warehousing Business Intelligence: Het proces dat

Nadere informatie

Sparse columns in SQL server 2008

Sparse columns in SQL server 2008 Sparse columns in SQL server 2008 Object persistentie eenvoudig gemaakt Bert Dingemans, e-mail : info@dla-os.nl www : http:// 1 Content SPARSE COLUMNS IN SQL SERVER 2008... 1 OBJECT PERSISTENTIE EENVOUDIG

Nadere informatie

Opgaven - De intelligente organisatie 3 e editie

Opgaven - De intelligente organisatie 3 e editie Opgaven hoofdstuk 1 1. Benoem het voornaamste voordeel van BI voor organisaties. 2. Uit welke processen bestaan de grote en kleine BI cyclus? 3. Wat is het verschil tussen contextuele en transactionele

Nadere informatie

Kennis na het volgen van de training. Na het volgen van deze training bent u in staat:

Kennis na het volgen van de training. Na het volgen van deze training bent u in staat: Training Trainingscode Duur Gepubliceerd Taal Type Leermethode Kosten SF2015V8 4 dagen 02/02/2015 Nederlands & Engels Developer, basis Invidueel & klassikaal Op aanvraag Deze training richt zich op het

Nadere informatie

Les 2 Eenvoudige queries

Les 2 Eenvoudige queries Les 2 Eenvoudige queries XAMP Apache server ( http ) mysql server PHP myadmin IAM SQL oefeningen Database phpmyadmin Import : sql_producten.sql, sql_winkel.sql, sql_festival.sql SAMS SQL in 10 minuten

Nadere informatie

Technische keuzes Management Informatie Systeem MeanderGroep

Technische keuzes Management Informatie Systeem MeanderGroep Technische keuzes Management Informatie Systeem MeanderGroep Dit document beschrijft de keuzes die gedaan worden ten aanzien van de hard en software voor het Management Informatie Systeem. Voor de presentatielaag

Nadere informatie

Zorginstelling Reinier de Graaf Groep realiseert solide business intelligence-systeem

Zorginstelling Reinier de Graaf Groep realiseert solide business intelligence-systeem Zorginstelling Reinier de Graaf Groep realiseert solide business intelligence-systeem Overheid en verzekeraars willen dat zorginstellingen efficiënter en kosteneffectiever functioneren. Met standaard Microsoft-technologie

Nadere informatie

Dit voorbeeldproject beschrijft het gebruik van web services (open standaarden) voor de ontsluiting van kernregistraties bij de gemeente Den Haag.

Dit voorbeeldproject beschrijft het gebruik van web services (open standaarden) voor de ontsluiting van kernregistraties bij de gemeente Den Haag. Voorbeeldproject Een Haagse SOA Dit voorbeeldproject beschrijft het gebruik van web services (open standaarden) voor de ontsluiting van kernregistraties bij de gemeente Den Haag. Aanleiding Vanuit de visie

Nadere informatie

SQL / Systeemanalyse

SQL / Systeemanalyse SQL / Systeemanalyse Wie ben ik Hans de Wit 44 jaar HBO BI in deeltijd gedaan Sinds 2008 werkzaam met BI / DWH med.hro.nl/wihan SQL De gegevens in een database vormen de grondstof voor informatie De informatie

Nadere informatie

Magnutude 2012 Efficient BI. 18 september Joost de Ruyter van Steveninck

Magnutude 2012 Efficient BI. 18 september Joost de Ruyter van Steveninck Magnutude 2012 Efficient BI 18 september Joost de Ruyter van Steveninck 2 Inhoud Is BI nog niet efficiënt? Trends in BI Efficient BI: de trends in praktijk 3 Feedback van de gebruiker Informatie behoefte

Nadere informatie

Toekomstbestending maken van selectie tool Rekening houdend met strikte privacy wetgeving

Toekomstbestending maken van selectie tool Rekening houdend met strikte privacy wetgeving Toekomstbestending maken van selectie tool Rekening houdend met strikte privacy wetgeving Kurt.Merchiers@colruytgroup.com Functioneel Analist Roel.Van.Assche@sas.com Consultant Agenda Vervanging van de

Nadere informatie

Business Intelligence www.globalservices.be www.sap-training.be

Business Intelligence www.globalservices.be www.sap-training.be Business Intelligence www.globalservices.be www.sap-training.be Global Services + Business Intelligence = perfect match! Het concept Wenst u ook sneller inzicht in beleidsinformatie, rapportering en cijfers?

Nadere informatie

Presentatie Rapportage Met SAP Business Objects

Presentatie Rapportage Met SAP Business Objects Presentatie Rapportage Met SAP Business Objects Verzorgd door: Camille van Dongen, itelligence Fouad Allabari, i3 Woerden 4 februari 2011 Agenda Voorstellen itelligence & i3 Business Intelligence SAP Business

Nadere informatie

Archimate risico extensies modelleren

Archimate risico extensies modelleren Archimate risico extensies modelleren Notatiewijzen van risico analyses op basis van checklists versie 0.2 Bert Dingemans 1 Inleiding Risico s zijn een extra dimensie bij het uitwerken van een architectuur.

Nadere informatie

Technisch Ontwerp W e b s i t e W O S I

Technisch Ontwerp W e b s i t e W O S I Technisch Ontwerp W e b s i t e W O S I WOSI Ruud Jungbacker en Michael de Vries - Technisch ontwerp Website Document historie Versie(s) Versie Datum Status Omschrijving / wijzigingen 0.1 20 nov 2008 Concept

Nadere informatie

Zelftest Informatica-terminologie

Zelftest Informatica-terminologie Zelftest Informatica-terminologie Document: n0947test.fm 01/07/2015 ABIS Training & Consulting P.O. Box 220 B-3000 Leuven Belgium TRAINING & CONSULTING INTRODUCTIE Deze test is een zelf-test, waarmee u

Nadere informatie

Functionaliteiten 4orange Connect

Functionaliteiten 4orange Connect Functionaliteiten 4orange Connect 4orange, 2014 Hogehilweg 24 1101 CD Amsterdam Zuidoost www.4orange.nl 2 4orange Connect: de nieuwste release van FileFrame 4orange Connect is de nieuwste release van FileFrame.

Nadere informatie

Afstudeeropdracht bachelor informatica

Afstudeeropdracht bachelor informatica Webgebaseerde ontsluiting loggegevens van IDEAS Afstudeeropdracht bachelor informatica David Beniers, Anand Mandhre, Michiel van Kempen Bastiaan Heeren, Harold Pootjes Inhoud Opdracht IDEAS Aanpak Taakverdeling

Nadere informatie

Powerpoint presentatie College 5 Gilbert van Lierop & Farshad Salamat

Powerpoint presentatie College 5 Gilbert van Lierop & Farshad Salamat Powerpoint presentatie College 5 Gilbert van Lierop & Farshad Salamat Wat is een database? Een verzameling van georganiseerde data Een database bestaat uit applicaties, SQL en het DBMS Watis eendbms? EenDBMS

Nadere informatie

DATA- WAREHOUSE ONTWIKKELING

DATA- WAREHOUSE ONTWIKKELING MODEL GEDREVEN DATA- WAREHOUSE ONTWIKKELING MET MICROSOFT BI door Willem Otten, Microsoft BI-consultant Kadenza Lees het volledige artikel en andere blogs op www.playitsmart.nl/blog Ik ben een groot voorstander

Nadere informatie

Systeemarchitecturen en opslag van gegevens

Systeemarchitecturen en opslag van gegevens Systeemarchitecturen en opslag van gegevens Deel 3: zoeken in ongestructureerde gegevens Dr. Wilfried Lemahieu wilfried.lemahieu@econ.kuleuven.ac.be Gestructureerde versus ongestructureerde gegevens De

Nadere informatie

Stakeholder behoeften beschrijven binnen Togaf 9

Stakeholder behoeften beschrijven binnen Togaf 9 Stakeholder behoeften beschrijven binnen Togaf 9 Inventarisatie van concerns, requirements, principes en patronen Bert Dingemans Togaf 9 kent verschillende entiteiten om de behoeften van stakeholders te

Nadere informatie

KENSINGTON Business Intelligence

KENSINGTON Business Intelligence De formule voor vooruitgang... Kensington B.I. geeft de formule om uw bedrijf nog beter te besturen... De cockpitsoftware verschaft u alle informatie die u nodig heeft voor het besturen van uw bedrijf.

Nadere informatie

Staff Workload Planner. Verbeter de inzet van academisch personeel

Staff Workload Planner. Verbeter de inzet van academisch personeel Staff Workload Planner Verbeter de inzet van academisch personeel Zet docenten effectiever in met gebruik van de software Staff Workload Planner van Scientia. Nu instellingen van het hoger en voortgezet

Nadere informatie

Unified Modeling Language

Unified Modeling Language Unified Modeling Language Een introductie voor leden van de expertgroep Informatiemodellen Harmen Mantel, Ordina ICT Management & Consultancy, werkzaam voor KING DOELSTELLING PRESENTATIE GEMEENSCHAPPELIJKE

Nadere informatie

Data Governance van visie naar implementatie

Data Governance van visie naar implementatie make connections share ideas be inspired Data Governance van visie naar implementatie Frank Dietvorst (PW Consulting) deelprogrammamanager Caesar - Vernieuwing Applicatie Landschap Leendert Paape (SAS

Nadere informatie

Invantive Producer. Als integriteit en compliance noodzakelijk is. Maar niks extra mag kosten.

Invantive Producer. Als integriteit en compliance noodzakelijk is. Maar niks extra mag kosten. Invantive Producer Als integriteit en compliance noodzakelijk is. Maar niks extra mag kosten. Agenda Invantive Visie De Invantive Benadering Het Invantive Resultaat Invantive Producer Praktijkvoorbeelden

Nadere informatie

Data quality tracking tool

Data quality tracking tool Data quality tracking tool Stageproject Over data cleansing werk Eén van de onderdelen van werk rond datakwaliteit uitgevoerd door Kapernikov is het systematisch oplossen van gedetecteerde datafouten in

Nadere informatie

3.1 Opsomming data type

3.1 Opsomming data type Deel I Hoofdstuk 3: Klasse Model - gevorderd 2005 Prof Dr. O. De Troyer Klasse Model - gevorderd pag. 1 3.1 Opsomming data type Opsomming (enumeration) data type Data type waarvan de verzameling waarden

Nadere informatie

Databases - Inleiding

Databases - Inleiding Databases Databases - Inleiding Een database is een verzameling van een aantal gegevens over een bepaald onderwerp: een ledenbestand van een vereniging, een forum, login gegevens. In een database worden

Nadere informatie

Exact Synergy Enterprise. Krachtiger Financieel Management

Exact Synergy Enterprise. Krachtiger Financieel Management Exact Synergy Enterprise Krachtiger Financieel Management 1 Inleiding Waar gaat het om? Makkelijke vragen zijn vaak het moeilijkst te beantwoorden. Als het hectische tijden zijn, moet u soms veel beslissingen

Nadere informatie

Socio-technisch systemen. Ian Sommerville 2004 Software Engineering, 7th edition. Chapter 2 Slide 1

Socio-technisch systemen. Ian Sommerville 2004 Software Engineering, 7th edition. Chapter 2 Slide 1 Socio-technisch systemen Ian Sommerville 2004 Software Engineering, 7th edition. Chapter 2 Slide 1 Systeem categoriën Technische op computer gesteunde systemen Systemen die HW en SW bevatten, maar waar

Nadere informatie

Kenmerken van DLArchitect

Kenmerken van DLArchitect Kenmerken van DLArchitect Bert Dingemans, e-mail : bert@dla-os.nl www : http://www.dla-os.nl 1 Inhoud KENMERKEN VAN DLARCHITECT... 1 INHOUD... 2 INLEIDING... 3 ARCHITECTUUR... 3 Merode... 3 Methode en

Nadere informatie

Project Objectgericht Programmeren : Deel 3

Project Objectgericht Programmeren : Deel 3 Project Objectgericht Programmeren : Deel 3 Prof. Eric Steegmans Raoul Strackx Academiejaar 2010-2011 Deze tekst beschrijft het derde deel van de opgave voor het project van de cursus Objectgericht Programmeren.

Nadere informatie

Software Processen. Ian Sommerville 2004 Software Engineering, 7th edition. Chapter 4 Slide 1. Het software proces

Software Processen. Ian Sommerville 2004 Software Engineering, 7th edition. Chapter 4 Slide 1. Het software proces Software Processen Ian Sommerville 2004 Software Engineering, 7th edition. Chapter 4 Slide 1 Het software proces Een gestructureerd set van activiteiten nodig om een software systeem te ontwikkelen Specificatie;

Nadere informatie

The OSI Reference Model

The OSI Reference Model Telematica Applicatielaag Hoofdstuk 16, 17 Applicatielaag 4Bevat alle toepassingen die van het netwerk gebruik maken n E-mail n Elektronisch nieuws n WWW n EDI (Electronic Data Interchange) n Napster,

Nadere informatie

Titel Uw processen transparant met SAP Process Mining.

Titel Uw processen transparant met SAP Process Mining. 1 Titel Uw processen transparant met SAP Process Mining. Introductie SAP Process Mining powered by Celonis is een nieuwe component van SAP op HANA. Process Mining gaat niet uit van vooraf gedefinieerde

Nadere informatie

Zelftest Java concepten

Zelftest Java concepten Zelftest Java concepten Document: n0838test.fm 22/03/2012 ABIS Training & Consulting P.O. Box 220 B-3000 Leuven Belgium TRAINING & CONSULTING INLEIDING BIJ DE ZELFTEST JAVA CONCEPTEN Om de voorkennis nodig

Nadere informatie

Business-to-Business

Business-to-Business Business-to-Business 1 WAT IS BUSINESS-TO-BUSINESS? 1.1 Inleiding Bedrijven communiceren veelvuldig met elkaar. Orders worden geplaatst, facturen worden verzonden, informatie wordt uitgewisseld. Zo n dertig

Nadere informatie

Verantwoording van het Logica In Lagen referentiemodel

Verantwoording van het Logica In Lagen referentiemodel Verantwoording van het Logica In Lagen referentiemodel Bijlage bij Meer inzicht in gelaagde architectuur - Deel 1: Uitleg, terminologie en methoden [Pruijt10]. Leo Pruijt, Lectoraat Architectuur van Digitale

Nadere informatie

Incore Solutions Learning By Doing

Incore Solutions Learning By Doing Incore Solutions Learning By Doing Incore Solutions Gestart in November 2007 Consultants zijn ervaren met bedrijfsprocessen en met Business Intelligence Alle expertise onder 1 dak voor een succesvolle

Nadere informatie

Peter de Haas peter.dehaas@breinwave.nl +31655776574

Peter de Haas peter.dehaas@breinwave.nl +31655776574 Peter de Haas peter.dehaas@breinwave.nl +31655776574 business context Innovatie Platform Klantinteractie Klantinzicht Mobiel Social Analytics Productiviteit Processen Integratie Apps Architectuur Wat is

Nadere informatie

Research & development

Research & development Research & development Publishing on demand Workflow ondersteuning Typesetting Documentproductie Gespecialiseerd document ontwerp Web ontwerp en onderhoud Conversie Database publishing Advies Organisatie

Nadere informatie

Whitepaper. Personal Targeting Platform. De juiste content Op het juiste moment Aan de juiste persoon

Whitepaper. Personal Targeting Platform. De juiste content Op het juiste moment Aan de juiste persoon Whitepaper Personal Targeting Platform De juiste content Op het juiste moment Aan de juiste persoon Introductie 2 Geïntegreerde personalisering 2 Het opbouwen van een profiel 2 Segmenteren en personaliseren

Nadere informatie

4orange Connect. 4orange, 2015. Hogehilweg 24 1101 CD Amsterdam Zuidoost www.4orange.nl

4orange Connect. 4orange, 2015. Hogehilweg 24 1101 CD Amsterdam Zuidoost www.4orange.nl 4orange Connect 4orange, 2015 Hogehilweg 24 1101 CD Amsterdam Zuidoost www.4orange.nl 2 Inhoud Inhoud... 2 1. Achtergrond... 3 2) Browsen... 4 3) Scheduler... 4 4) Frequenties en kruistabellen... 4 5)

Nadere informatie

Zet de volgende stap in bedrijfsinnovatie met een Open Network Environment

Zet de volgende stap in bedrijfsinnovatie met een Open Network Environment Overzicht van oplossingen Zet de volgende stap in bedrijfsinnovatie met een Open Network Environment Wat u leert De opkomst van nieuwe technologieën zoals cloud, mobiliteit, sociale media en video die

Nadere informatie

Ketenbesturing. Ketenbesturing. 1. SCOR SCOR-model

Ketenbesturing. Ketenbesturing. 1. SCOR SCOR-model Ketenbesturing Meten is weten The concept of SCM requires measuring the overall supply chain performance rather then only the performance of the individual chain members. Handfield 1991 K. Melaerts - KHLeuven,

Nadere informatie

STERKE VERBETERING VAN DE BESTURING IN DE THUISZORG. De Balanced Scorecard en de MPC-software van Comshare als hulpmiddel

STERKE VERBETERING VAN DE BESTURING IN DE THUISZORG. De Balanced Scorecard en de MPC-software van Comshare als hulpmiddel STERKE VERBETERING VAN DE BESTURING IN DE THUISZORG De Balanced Scorecard en de MPC-software van Comshare als hulpmiddel Auteur: Drs. F.M.B.H. Jansen MAC, Directeur van Bi4Care Management & Advies De Thuiszorg

Nadere informatie

Databases en SQL Foundation (DBSQLF.NL)

Databases en SQL Foundation (DBSQLF.NL) Databases en SQL Foundation (DBSQLF.NL) EXIN Hét exameninstituut voor ICT ers Janssoenborch - Hoog Catharijne Godebaldkwartier 365 3511 DT Utrecht Postbus 19147 3501 DC Utrecht Nederland T +31 30 234 48

Nadere informatie

Nieuwe functies in Crystal Reports XI

Nieuwe functies in Crystal Reports XI Nieuwe functies in Crystal Reports XI Inleiding Inleiding Deze sectie bevat een algemene beschrijving van de onderdelen, functies en voordelen van de nieuwste versie van Crystal Reports. De belangrijkste

Nadere informatie

De beheerrisico s van architectuur

De beheerrisico s van architectuur De beheerrisico s van architectuur Een overzicht van de ArChimate Risico Extensie versie 0.2 Bert Dingemans Inleiding Het implementeren van een (enterprise) architectuur brengt altijd risico s met zich

Nadere informatie

The Diver Solution Krachtige en complete BI oplossing

The Diver Solution Krachtige en complete BI oplossing The Diver Solution Krachtige en complete BI oplossing Dimensional Insight en de Diver Solution Dimensional Insight (DI) helpt organisaties wereldwijd om data te benutten voor het verbeteren van hun prestaties.

Nadere informatie

.NET of.not in de praktijk voorbij het onderbuikgevoel

.NET of.not in de praktijk voorbij het onderbuikgevoel .NET of.not in de praktijk voorbij het onderbuikgevoel Robert Jan Elias & Maarten Gribnau robertjan.elias@mavim.com & maarten.gribnau@mavim.com http://www.mavim.com 1/15 Inhoud Mavim het bedrijf Mavim

Nadere informatie

Het SEESCOA project; jouw user interface, altijd en overal

Het SEESCOA project; jouw user interface, altijd en overal Het SEESCOA project; jouw user interface, altijd en overal Kris Luyten Karin coninx 17 januari 2002 Samenvatting De informatica kende een ware revolutie voordat men tot de desktop PC gekomen is. 20 jaar

Nadere informatie

TPUPT Gebruikershandleiding

TPUPT Gebruikershandleiding TPUPT Gebruikershandleiding René Ladan, r.c.ladan@gmail.com 3 oktober 2006 1 Introductie TPUPT staat voor Two Phase UML Phunction Transformer, het afstudeerproject van de auteur. Het biedt de mogelijkheid

Nadere informatie

Business Process Management

Business Process Management Business Process Management Prof. dr. Manu De Backer Universiteit Antwerpen Katholieke Universiteit Leuven Hogeschool Gent Wat is een bedrijfsproces? Een verzameling van (logisch) gerelateerde taken die

Nadere informatie

Inhoud. Wat is Power BI?... 3. Voorbeelden gemaakt met Power BI... 4. Beginnen met Power BI... 6. Werkruimte uitleg... 7

Inhoud. Wat is Power BI?... 3. Voorbeelden gemaakt met Power BI... 4. Beginnen met Power BI... 6. Werkruimte uitleg... 7 Inhoud Wat is Power BI?... 3 Voorbeelden gemaakt met Power BI... 4 Beginnen met Power BI... 6 Werkruimte uitleg... 7 Naar een dashboard in 3 stappen... 8 Stap 1: Gegevens ophalen... 8 Stap 2: Rapport maken...

Nadere informatie

Technische nota AbiFire5 Rapporten maken via ODBC

Technische nota AbiFire5 Rapporten maken via ODBC Technische nota AbiFire5 Rapporten maken via ODBC Laatste revisie: 29 juli 2009 Inhoudsopgave Inleiding... 2 1 Installatie ODBC driver... 2 2 Systeeminstellingen in AbiFire5... 3 2.1 Aanmaken extern profiel...

Nadere informatie

Curriculum Vitae Ishak Atak. www.ishakatak.nl. Naam : Ishak Atak Roepnaam : Ishak. Woonplaats : Utrecht Geboorte datum : 13-05-1983

Curriculum Vitae Ishak Atak. www.ishakatak.nl. Naam : Ishak Atak Roepnaam : Ishak. Woonplaats : Utrecht Geboorte datum : 13-05-1983 Naam : Ishak Atak Roepnaam : Ishak Woonplaats : Utrecht Geboorte datum : 13-05-1983 Tel. : +316-46 17 76 00 Beschikbaar : Full time December 2015 Email: : contact@ishakatak.nl Datum CV : November 2015

Nadere informatie

start -> id (k (f c s) (g s c)) -> k (f c s) (g s c) -> f c s -> s c

start -> id (k (f c s) (g s c)) -> k (f c s) (g s c) -> f c s -> s c Een Minimaal Formalisme om te Programmeren We hebben gezien dat Turing machines beschouwd kunnen worden als universele computers. D.w.z. dat iedere berekening met natuurlijke getallen die met een computer

Nadere informatie

TESTAUTOMATISERING IN EEN ETL-OMGEVING

TESTAUTOMATISERING IN EEN ETL-OMGEVING Pagina 21 TESTAUTOMATISERING IN EEN ETL-OMGEVING Door John Kronenberg John.Kronenberg@bartosz.nl @johnkronenberg Edward Crain Edward.crain@divetro.nl Welke groeifasen werden doorlopen in testautomatisering

Nadere informatie

Datamining: Graven in gegevens

Datamining: Graven in gegevens Datamining: Graven in gegevens Business Intelligence in de praktijk Jasper Lansink CMG Noord Nederland - Advanced Technology Agenda Business Intelligence Datamining theorie Datamining in de praktijk management

Nadere informatie

Workshop 3x. Normaliseren. Normaliseren. Hiëarchische database ODBMS. Relationele database. Workshop 14 oktober 2010. A. Snippe ICT Lyceum 1

Workshop 3x. Normaliseren. Normaliseren. Hiëarchische database ODBMS. Relationele database. Workshop 14 oktober 2010. A. Snippe ICT Lyceum 1 Workshop 3x Analytisch vermogen Huiswerk Lestijden 10:00 12:30 Pauze 10:15 10:30 Deze les: Hiëarchische database Relationele database ODBMS Normaliseer stappen Hiëarchische database Elk record in een database

Nadere informatie

SQL: query taal met. woorden. ISO SQL: Structured Query Language. de SQL basis query structuur. voorbeeld: doel: intuitieve query taal

SQL: query taal met. woorden. ISO SQL: Structured Query Language. de SQL basis query structuur. voorbeeld: doel: intuitieve query taal SQL: query taal met woorden ISO SQL: Structured Query Language Prof. dr. Paul De Bra Gebaseerd op: Database System Concepts, 5th Ed. doel: intuitieve query taal gebruikt Engelse woorden: select, from,

Nadere informatie

Uitgebreid voorstel Masterproef Informatica. Titel van het project : Ontwikkeling van remote controlled Alert & Task Agent

Uitgebreid voorstel Masterproef Informatica. Titel van het project : Ontwikkeling van remote controlled Alert & Task Agent HoGent Uitgebreid voorstel Masterproef Informatica Titel van het project : Ontwikkeling van remote controlled Alert & Task Agent Datum: Naam student: Glenn Jacob Interne promotor: Wim Van den Breen In

Nadere informatie

Aandachtspunten bij de transitie naar een Big Data-omgeving

Aandachtspunten bij de transitie naar een Big Data-omgeving Aandachtspunten bij de transitie naar een Big Data-omgeving Organisaties worden steeds meer voor de uitdaging gesteld om grote volumes aan data te verwerken en op te slaan. Het gemiddelde volume aan data

Nadere informatie

OpenText RightFax. Intuitive Business Intelligence. Whitepaper. BI/Dashboard oplossing voor OpenText RightFax

OpenText RightFax. Intuitive Business Intelligence. Whitepaper. BI/Dashboard oplossing voor OpenText RightFax OpenText RightFax Intuitive Business Intelligence Whitepaper BI/Dashboard oplossing voor OpenText RightFax Beschrijving van de oplossing, functionaliteit & implementatie Inhoud 1 Introductie 2 Kenmerken

Nadere informatie

Programmeren in Java 3

Programmeren in Java 3 26 september 2007 Deze les korte herhaling vorige les Unified Modelling Language notatie van een class afleiding pointers abstracte classes polymorphisme dubieuze(?) constructies interfaces Meer over class

Nadere informatie

Beschrijving toolset Netwerk/Protocol/Applicatie test Datum 11 januari 2012 Auteur Louis de Wolff Versie 1.0

Beschrijving toolset Netwerk/Protocol/Applicatie test Datum 11 januari 2012 Auteur Louis de Wolff Versie 1.0 Beschrijving toolset Netwerk/Protocol/Applicatie test Datum 11 januari 2012 Auteur Louis de Wolff Versie 1.0 Netwerk evaluatie tools Inleiding In een pakket geschakelde netwerk gebeurt de communicatie

Nadere informatie

Les F-02 UML. 2013, David Lans

Les F-02 UML. 2013, David Lans Les F-02 UML In deze lesbrief wordt globaal beschreven wat Unified Modeling Language (UML) inhoudt. UML is een modelleertaal. Dat wil zeggen dat je daarmee de objecten binnen een (informatie)systeem modelmatig

Nadere informatie

Enterprise Connectivity. Marnix van Bo. TU Delft Elek Software Architect 20 jaar ervarin ontwikkeling

Enterprise Connectivity. Marnix van Bo. TU Delft Elek Software Architect 20 jaar ervarin ontwikkeling Fir rst Base Enterprise Connectivity Marnix van Bo chove First Base: opgericht in 2001 TU Delft Elek ktrotechniek - 1998 Software Architect 20 jaar ervarin g met software ontwikkeling Presentatie Ideeën

Nadere informatie

Gain Automation Technology Specialist in technische en industriële automatisering

Gain Automation Technology Specialist in technische en industriële automatisering Gain Automation Technology Specialist in technische en industriële automatisering Inleiding Ontwikkeling KPI-dashboard Voorbeelden Samenvatting Even voorstellen Paul Janssen: Senior Technical Consultant

Nadere informatie

The End of an Architectural Era

The End of an Architectural Era The End of an Architectural Era M. Stonebraker, S. Madden, D. J. Abadi, S. Harizopoulos, N. Hachem, P. Helland Jorn Van Loock Inleiding Oorsprong relationele DBMS IBM System R (1974) DB2 Sybase SQL Server

Nadere informatie

OFFICE A LA CARTE - ACCESS 2013

OFFICE A LA CARTE - ACCESS 2013 OFFICE A LA CARTE - ACCESS 2013 Inhoud HOOFDSTUK ACC-1.1: TERMINOLOGIE - (0:20) Wat is een database? Onderdelen van een database Tabellen en relaties Schematisch overzicht van de structuur van een database

Nadere informatie

HERGEBRUIK VAN REQUIREMENTS

HERGEBRUIK VAN REQUIREMENTS HERGEBRUIK VAN REQUIREMENTS EEN PRAKTISCHE AANPAK BUSINESS ANALYSE CENTER OF EXCELLENCE - SYNERGIO Inhoudsopgave 1 HERGEBRUIK VAN REQUIREMENTS... 3 1.1 GEBRUIKEN VERSUS HERGEBRUIKEN... 4 2 STRATEGIE...

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN. Faculteit Wiskunde en Informatica TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Extra Tentamen Databases 1, 2M400, 8 oktober 2003. Alle uitwerkingen van de opgaven moeten worden ingevuld in de daarvoor bestemde vrije

Nadere informatie

2. Geef een voorbeeld van hoe datamining gebruikt kan worden om frauduleuze geldtransacties te identificeren.

2. Geef een voorbeeld van hoe datamining gebruikt kan worden om frauduleuze geldtransacties te identificeren. 1. Veronderstel dat je als datamining consultant werkt voor een Internet Search Engine bedrijf. Beschrijf hoe datamining het bedrijf kan helpen door voorbeelden te geven van specifieke toepassingen van

Nadere informatie

Software Design Document

Software Design Document Software Design Document Mathieu Reymond, Arno Moonens December 2014 Inhoudsopgave 1 Versiegeschiedenis 2 2 Definities 3 3 Introductie 4 3.1 Doel en Scope............................. 4 4 Logica 5 4.1

Nadere informatie

Vakgroep CW KAHO Sint-Lieven

Vakgroep CW KAHO Sint-Lieven Vakgroep CW KAHO Sint-Lieven Objecten Programmeren voor de Sport: Een inleiding tot JAVA objecten Wetenschapsweek 20 November 2012 Tony Wauters en Tim Vermeulen tony.wauters@kahosl.be en tim.vermeulen@kahosl.be

Nadere informatie

Power BI. Selfservice BI-tools van Microsoft. ITsmart Business Intelligence Whitepapers

Power BI. Selfservice BI-tools van Microsoft. ITsmart Business Intelligence Whitepapers Power BI Selfservice BI-tools van Microsoft ITsmart Business Intelligence Whitepapers Over ITsmart ITsmart is al ruim 10 jaar gespecialiseerd in Business Intelligence-oplossingen. Business Intelligence

Nadere informatie

MODULEBESCHRIJVING Databases DBS1

MODULEBESCHRIJVING Databases DBS1 MODULEBESCHRIJVING Databases DBS1 Samensteller(s): Richard van den Ham Datum: 30-08-2012 Versie: 1.0 Module: Databases Identificatie Progresscode: DBS1 Semester: 1 Omvang: 140 SBUs/ 5 ECTS-punten Lestijd:

Nadere informatie

SQL Aantekeningen 3. Maarten de Rijke mdr@science.uva.nl. 22 mei 2003

SQL Aantekeningen 3. Maarten de Rijke mdr@science.uva.nl. 22 mei 2003 SQL Aantekeningen 3 Maarten de Rijke mdr@science.uva.nl 22 mei 2003 Samenvatting In deze aflevering: het selecteren van tuples, operaties op strings, en aggregatie functies. Verder kijken we naar iets

Nadere informatie

ISO SQL: Structured Query Language

ISO SQL: Structured Query Language ISO SQL: Structured Query Language Prof. dr. Paul De Bra Gebaseerd op: Database System Concepts, 5th Ed. SQL: query taal met woorden doel: intuitieve query taal gebruikt Engelse woorden: select, from,

Nadere informatie

INFITT01 - Internettechnologie WEEK 8

INFITT01 - Internettechnologie WEEK 8 INFITT01 - Internettechnologie WEEK 8 Programma Databases (JDBC, JNDI, ORM, JPA) MVC & Spring/Struts EJB Databases Veel web applicaties moeten informatie over langere tijd op kunnen slaan. Een voor de

Nadere informatie

Gimme Five! Op weg naar TYPO3 5.0 'Phoenix'

Gimme Five! Op weg naar TYPO3 5.0 'Phoenix' Gimme Five! Op weg naar TYPO3 5.0 'Phoenix' Waarom TYPO3 5.0? Waarom TYPO3 5.0? Enkele redenen: Waarom TYPO3 5.0? Enkele redenen: Complexiteit De TYPO3 Core architectuur heeft zijn limiet bereikt en is

Nadere informatie

Thier Software Development

Thier Software Development planning.nl Thier Software Development Planning.nl is, als je alle factoren en afhankelijkheden mee zou nemen, vaak complex. Daarom is het belangrijk bij het automatiseren van dit proces te bedenken welke

Nadere informatie

Proces to model en model to execute

Proces to model en model to execute Proces to model en model to execute Een end-to-end (bedrijfs)proces (figuur 1) is het geheel van activiteiten die zich, op een bepaalde plaats door een bepaalde rol, in bepaalde volgorde opvolgen en waarvan

Nadere informatie

Application interface. service. Application function / interaction

Application interface. service. Application function / interaction Les 5 Het belangrijkste structurele concept in de applicatielaag is de applicatiecomponent. Dit concept wordt gebruikt om elke structurele entiteit in de applicatielaag te modelleren: softwarecomponenten

Nadere informatie

Informatie Systeem Ontwikkeling ISO 2R290

Informatie Systeem Ontwikkeling ISO 2R290 Informatie Systeem Ontwikkeling ISO 2R290 docent: Prof. dr. Paul De Bra Gebaseerd op: Database System Concepts, 5th Ed. doel van dit vak kennis van en inzicht in basisbegrippen over informatiesystemen

Nadere informatie

BEDRIJFSINFORMATIE BEDRIJFSINFORMATIE. Microsoft Dynamics NAV. White paper. Verbeterde bedrijfsprestaties bij veranderende vereisten

BEDRIJFSINFORMATIE BEDRIJFSINFORMATIE. Microsoft Dynamics NAV. White paper. Verbeterde bedrijfsprestaties bij veranderende vereisten BEDRIJFSINFORMATIE Microsoft Dynamics NAV BEDRIJFSINFORMATIE Verbeterde bedrijfsprestaties bij veranderende vereisten White paper Datum: januari 2007 www.microsoft.nl/dynamics/nav Inhoudsopgave 1 Introductie...

Nadere informatie

Oracle Application Server Portal Oracle Gebruikersgroep Holland Oktober 2003

Oracle Application Server Portal Oracle Gebruikersgroep Holland Oktober 2003 Oracle Application Server Portal Oracle Gebruikersgroep Holland Oktober 2003 Page 1 1 Kees Vianen Senior Sales Consultant Technology Solutions Oracle Nederland Agenda Geschiedenis van Oracle Portal Portal

Nadere informatie