UID:
kobvindex_ERBEBC5572585
Umfang:
1 online resource (262 pages)
ISBN:
9783960885283
Serie:
Edition TDWI
Anmerkung:
Intro -- Vorwort -- Inhaltsübersicht -- Inhaltsverzeichnis -- Einführung -- 1 Cloud BI & -- Analytics - ein Überblick -- 1.1 Was ist Cloud Computing? -- Definition -- Potenziale von Cloud für BI & -- Analytics -- Anwendungen für Cloud BI & -- Analytics auf dem Vormarsch -- 1.2 Servicemodelle in der Cloud -- 1.2.1 Typische Cloud-Service-Modelle -- Infrastructure as a Service (IaaS) -- Platform as a Service (PaaS) -- Software as a Service (SaaS) -- Business Intelligence & -- Analytics as a Service -- 1.2.2 Data-born-in-the-Cloud -- Wetterdaten -- Social-Media-Daten -- Open Data -- 1.3 Organisationsformen der Cloud -- 1.3.1 Liefermodelle der Cloud -- Public Cloud -- Private Cloud -- Hybrid Cloud -- Community Cloud -- 1.3.2 BIA-Cloud-Strategie -- 1.4 Nutzen und Risiken -- 1.4.1 Vorteile der Cloud -- 1.4.2 Skepsis gegenüber der Cloud-Sicherheit -- 1.4.3 Performance-Zusagen in der Cloud -- 1.5 Fazit -- Architektur -- 2 Mehrwerte von Cloud-Services in hybriden DWH-Architekturen -- 2.1 Cloud und Data Warehousing -- 2.2 Connectivity in die Cloud -- Abb. 2-1 Data Gateway -- 2.3 Skalierbarkeit -- Abb. 2-2 Skalierbarkeit in der Cloud -- 2.4 Chancen durch Technologievielfalt -- Abb. 2-3 Technologievielfalt in der Cloud -- 2.5 Kombination hybrider Technologien im Data Warehouse -- Abb. 2-4 Kombination hybrider Technologien im Data Warehouse -- 2.6 Erhöhte Agilität -- Abb. 2-5 Erhöhte Agilität durch Cloud-Ressourcen -- 2.7 Schnelle Innovationszyklen der Hersteller -- Abb. 2-6 Vorteil schneller Innovationszyklen am Beispiel DBMS-Features -- 2.8 Optimierung von Betriebskosten -- Abb. 2-7 Optimierung von Betriebskosten - bei gleicher Datenverfügbarkeit -- 2.9 Global verteilte Daten -- Abb. 2-8 Global verteilte Daten sammeln und nutzen - Predictive Maintenance -- 2.10 Ausfallsicherheit in der Cloud -- Abb. 2-9 Ausfallsicherheit in der Cloud
,
2.11 Edge Computing -- Abb. 2-10 Edge Computing -- 2.12 Herausforderungen und Risiken -- 2.13 Fazit -- 3 Die Cloud als Agilitätshebel für Business Intelligence & -- Analytics -- 3.1 Agilität für Business Intelligence & -- Analytics -- Abb. 3-1 Dimensionen einer agilen BIA mit Cloud-Services -- 3.2 Cloud Computing im Lebenszyklus eines BIA-Systems -- 3.3 Cloud Computing auf verschiedenen Schichten einer BIA-Architektur -- 3.4 Cloud Computing für agile BIA-Infrastrukturen, -Funktionen und -Inhalte -- 3.5 Die Wahl des Servicemodells und der Granularität der Cloud-Komponenten -- Abb. 3-2 Die Wahl der Granularität der Cloud-Services aus Fachbereichs- und IT/BICC-Perspektive -- 3.6 Voraussetzungen und flankierende Maßnahmen -- Abb. 3-3 Cloud-Komponenten als Bausteine einer agilen BIA -- 3.7 Sonderfall Advanced Analytics -- Abb. 3-4 Felder mit Agilitätsbedarf im Kontext von Advanced und Predictive Analytics -- 3.8 Fazit -- Vorgehen und Wirtschaftlichkeit -- 4 Treiber einer »Data Warehouse as a Service«-Lösung -- 4.1 Einleitung -- 4.2 Aktuelle Herausforderungen bei der Bereitstellung von Business-Intelligence-Lösungen -- 4.3 Relevanz eines Cloud-basierten Data Warehouse -- 4.4 Cloud-Computing-Grundlagen -- 4.4.1 Historische Einordnung -- Abb. 4-1 Die Evolution des Cloud Computing (in Anlehnung an [Stanoevska-Slabeva 2010]) -- 4.4.2 Basiskonzepte -- 4.4.3 Servicemodelle -- Abb. 4-2 Aufgaben und Zuständigkeiten der Cloud-Computing-Servicemodelle -- 4.5 Treiber der Nutzungsabsicht eines Cloud-basierten Data Warehouse -- Abb. 4-3 Forschungsphasen -- 4.5.1 Interviewstudie -- Abb. 4-4 Interviewteilnehmer -- Abb. 4-5 Bedeutung und Wirkung der Einflussfaktoren (aus [Seufert & -- Bernhardt 2015]) -- Wesentliche Erkenntnisse -- Zusatzbefunde -- Unterschiede zu Big Data -- 4.5.2 Interaktionsmodell der Treiber -- Abb. 4-6 BI-Erfahrung der Studienteilnehmer
,
Abb. 4-7 Zusammensetzung der Studienteilnehmer -- Wesentliche Erkenntnisse -- Abb. 4-8 Modell der Cloud-DWH-Nutzungsabsicht (praxisorientierte Darstellung) -- 4.6 Implikationen -- Abb. 4-9 Transferpotenzial -- Data Warehouse as a Service -- 4.7 Fazit und Ausblick -- 5 Wirtschaftlichkeitsbewertung von Cloud-Business-Intelligence & -- Analytics-Lösungen -- Ein gestaltungsorientierter Beitrag für das IT-Providermanagement mit SIAM -- 5.1 Outsourcing von IT-Services durch Cloud Business Intelligence & -- Analytics -- Abb. 5-1 Outsourcing-Phasenmodell in Anlehnung an [Schneegans & -- Bujotzek 2018] -- 5.2 Aufgabenfelder des IT-Providermanagements - das SIAM-Framework -- Abb. 5-2 IT-Providermanagement im Kontext Cloud-BIA-Services -- Abb. 5-3 SIAM-Komponentenmodell in enger Anlehnung an [Holland 2015] -- 5.3 Bezugsrahmen zur Wirtschaftlichkeitsbewertung von Cloud-Business-Intelligence & -- Analytics-Services -- Abb. 5-4 Bezugsrahmen zur Wirtschaftlichkeitsbewertung von Cloud-BIA-Services -- 5.4 Bewertung des Ressourceneinsatzes von Cloud-BIA-Services durch TCO-Kalkulation -- Abb. 5-5 VOFI zur Bewertung des Ressourceneinsatzes für einen Cloud-BIA-Service -- Abb. 5-6 Berechnung der TCO für einen Cloud-BIA-Service -- 5.5 Nutzwertanalytische Bewertung von Cloud-BIA-Services -- Abb. 5-7 Erfolgsfaktoren zur Nutzenbewertung von Cloud-BIA-Services -- Abb. 5-8 Kriterienkatalog zur Bewertung von Cloud-BIA-Services -- Abb. 5-9 Exemplarische Nutzwertanalyse zur Bewertung der Nutzenwirkungen einer Cloud-BIA-Servicealternative -- 5.6 Fazit -- 6 Big Data in der Cloud - Welche Vorteile haben Cloud-Lösungen bei großen Datenmengen? -- 6.1 Storage in der Cloud -- 6.2 Wie kommen die Daten in die Cloud? -- 6.3 »Ab morgen machen wir Big Data!« -- Abb. 6-1 Provisionierung/Bedarf im zeitlichen Verlauf -- 6.4 On-Premises vs. Cloud -- Tab. 6-1 On-Premises-Anschaffung
,
Abb. 6-2 Auslastung sowie Kosten der On-Premises- und der Cloud-Lösung -- Tab. 6-2 Aufteilung von Master und Worker in unterschiedlich große CPUs -- Abb. 6-3 Auslastung sowie Kosten der On-Premises- und der Cloud-Lösung nach Aufteilung gemäß Tabelle 6-2 -- Abb. 6-4 Cloudera Enterprise Data Hub (EDH) auf AWS -- Abb. 6-5 Amazon EMR -- 6.5 Gibt es noch andere Gründe für die Cloud? -- 6.6 Fazit -- Anwendungen -- 7 Analytisches CRM unter Einbeziehung von Social-Media-Daten -- 7.1 Moderne Customer Journeys und Omni-Channel -- 7.2 Anwendungsfälle -- 7.2.1 Customer Profiling -- 7.2.2 Key Performance Indicators -- 7.2.3 Kundensegmentierung -- 7.2.4 Häufige Teile -- 7.3 Exemplarische Cloud-basierte Dienste -- 7.3.1 Serviceprovider und Services -- Amazon -- Google -- IBM Watson -- Cloudera -- Hortonworks -- 7.3.2 Serviceintegration in eine Enterprise-Umgebung -- Data Access -- Architekturen -- 7.3.3 Data Preparation -- 7.3.4 Data Processing -- Batch-Verarbeitung -- Stream-Verarbeitung -- 7.3.5 Data Analytics -- Customer Profiling -- Key Performance Indicators -- 7.3.6 Data Mining -- Kundensegmentierung -- Häufige Teile -- 7.3.7 Data Visualization -- 7.4 Ein Customer Service Monitor -- 7.4.1 Anwendungsfall -- 7.4.2 Anforderungen -- 7.4.3 Architektur -- Abb. 7-1 Eine Übersicht über die Architektur des Customer Service Monitors und das Zusammenspiel der einzelnen Komponenten. Zunächst werden Kommentare aus Facebook und Twitter mittels eines Crawlers in eine MongoDB-Datenbank geschrieben. Anschli... -- 7.4.4 Data Access -- 7.4.5 Data Analytics -- Abb. 7-2 Die grafische Darstellung des Customer Service Monitors. Der obere Bereich stellt die Unterteilung in Geschäftsbereiche, Unternehmen und Accounts dar. In diesem Fall nur für den Geschäftsbereich der Fluggesellschaften (Airline). Auf der... -- 7.4.6 Data Visualization -- 7.4.7 Fazit
,
8 Monitoring und Steuerung der Supply Chain mit BI-Lösungen in der Cloud -- 8.1 Herausforderungen in der modernen Supply Chain -- Abb. 8-1 Einfache Lieferkette -- Abb. 8-2 Moderne Supply Chain -- 8.2 Monitoring und Steuerung der Supply Chain -- Abb. 8-3 Beispiel einer Managementsicht aus einem Supply Chain Control Tower -- 8.3 Die Rolle von Cloud-basierten Anwendungen -- 8.4 BI in der Cloud kann helfen -- Abb. 8-4 Klassische On-Premises-Data-Warehouse-Architektur -- Abb. 8-5 Cloud-basierte Architektur -- 8.5 Das Modell »Supply Chain Control Tower« -- Abb. 8-6 Bestandteile eines Supply Chain Control Tower -- Daten -- Kennzahlensysteme -- Rollen und Verantwortlichkeiten -- Vorhersagen und Benachrichtigungen -- Automatisierte Prozesse -- Kollaboration -- 8.6 Projektbeispiel: Transport Control Tower -- Abb. 8-7 Beispielhafte Systemlandschaft Transport Control Tower -- Phase eins: Transport -- Phase zwei: Enterprise Resource Management -- Phase drei: Organisation -- Phase vier: Integration der Cloud-Systeme -- Weitere Phasen -- Abb. 8-8 Beispiel: Transportmanager-Dashboard eines Transport Control Tower -- 8.7 Fazit -- 9 Cloud-Nutzungsstrategien für Data Analytics -- 9.1 Motivation -- 9.2 Nutzungsstrategien in der Cloud -- Abb. 9-1 Gegenüberstellung Nutzungsgrad von Cloud-Diensten und Risiko der Abhängigkeit von Cloud-Anbietern -- 9.3 Praxiserprobte Nutzungspotenziale -- 9.3.1 Fallbeispiel Nutzungsstrategie: Cloud only -- 9.3.2 Fallbeispiel Nutzungsstrategie: Hybrid Cloud -- Abb. 9-2 Überblick einer Hybrid-Cloud-Architektur -- 9.3.3 Fallbeispiel Nutzungsstrategie: System of Record (On-Premises) vs. System of Innovation (Cloud) -- 9.4 Zusammenfassende Chancen-Risiko-Betrachtung -- Abb. 9-3 Zusammenfassung der Chancen und Risiken von Cloud Data Analytics -- 9.5 Fazit -- Datenschutz -- 10 Recht und Datenschutz in der Cloud -- 10.1 Einleitung
,
10.2 Anwendbares Recht
Weitere Ausg.:
Print version: Finger, Ralf BI & Analytics in der Cloud Heidelberg : dpunkt.verlag,c2018 ISBN 9783864905919
Schlagwort(e):
Electronic books.
URL:
https://ebookcentral.proquest.com/lib/th-brandenburg/detail.action?docID=5572585