BUSINESS INTELLIGENCE
|
|
- Paulina Sowińska
- 8 lat temu
- Przeglądów:
Transkrypt
1 BUSINESS INTELLIGENCE SAS VISUAL ANALYTICS Copyr i g ht 2012, SAS Ins titut e Inc. All rights res er ve d. Artur Jastrzębski
2 Copyr i g ht 2013, SAS Ins titut e Inc. All rights res er ve d. CO TO JEST BIG DATA?
3 Perspektywa SAS Big Data jest WSZĘDZIE 17% populacji świata chociaż raz skorzystało z sieci społecznościowych. Twitter notuje 100 milionów Tweetów dziennie. Facebook notuje 350 milionów unikalnych użytkowników dziennie. 60 h materiału jest ładowanych do YOUTUBE każdej minuty. 80% firm używa social media w procesach rekrutacyjnych.
4 THE CHALLENGE? Source: IDC Digital Universe Study, sponsored by EMC, May 2010
5 BIG DATA WHAT NEXT?
6 WHY DO WE CARE? Act MARKET OPPORTUNITY Orient Orient Decide Decide Act YOUR COMPETITIVE ADVANTAGE Observe
7 BIG DATA CO TO JEST? Data that exceeds an organization s conventional database storage or processing capacity
8 DATA SIZE BIG DATA THE CHALLENGE VOLUME VARIETY VELOCITY VALUE TODAY THE FUTURE
9 PERSPEKTYWA SAS Big Data is RELATIVE not ABSOLUTE Big Data When volume, velocity and variety of data exceeds an organization s storage or compute capacity for accurate and timely decision-making
10 Copyr i g ht 2012, SAS Ins titut e Inc. All rights res er ve d. BIG DATA I SAS
11 WSTĘP BIG DATA A PROCES ANALITYCZNY Velocity Variety Volume Historyczne transakcje Fora internetowe Social Media Dane z sensorów Clickstream Wykorzysta nie i Ewaluacja Modelu Analiza i Modelowa nie Eksploracj a Danych Sformułowa nie Problemu Przygotow anie Danych V a l u e
12 ANALITYCZNY CYKL ŻYCIA CO OPÓŹNIA EFEKT BIZNESOWY? t3 Latencja Decyzji Wykorzysta nie i Ewaluacja Modelu Sformułowa nie Problemu TEXT MINING TEXT ANALYTICS CONTENT CATEGORIZA TION SENTIMENT ANALYSIS Analiza i Modelowa nie Przygotow anie Danych HIGH PERFORMANCE ANALYTICS t2 Latencja Analizy Eksploracj a Danych t1 Latencja Danych GRID COMPUTING IN-DATABASE PROCESSING IN-MEMORY ANALYTICS
13 WINDOW OF OPPORTUNITY Action taken Data latency Analysis latency Decision latency Time Action taken
14 SAS & BIG DATA OBSZARY FUNKCJONALNE Functionality SAS Technology Goal decrease of How Acquire & Manage Big Data repositories integration SAS/Access to Hadoop, SAS In-database Technologies Data latency Seamless access to any data Big Data transformation and preparation for analytics SAS Data Loader for Hadoop SAS Data Management Data latency In-database & In HADOP data processing Social Network and Web Data Acquisition SAS Social Media Analytics, SAS Text Mining Data latency Automated data acquisition and filtering Real-time data filtering & selection SAS Event Stream Processing Data latency Real-time processing Discover Visual Discovery & Exploration SAS Visual Analytics SAS Visual Statistics Analysis latency In-memory processing Statistical Discovery & Desctriptive Analytics SAS High Performance Statistics Analysis latency In-memory processing Concept Extraction for unstructured data SAS Enterprise Content Categorization SAS Text Miner Analysis latency Automated natural language processing Model Predictive Modeling High Performance Data Mining SAS In Memory Statistics for Hadoop Analysis latency In-memory processing Content Categorization, Sentiment Analysis, Text Mining High Performance Text Mining Analysis latency Automated natural language processing Time series forecating, Optimization High Performance Forecasting, High Performance Optimization Analysis latency In-memory processing Act Information Delivery & Reporting SAS Visual Analytics Decision latency In-memory processing Automated decision management SAS Real-Time Decision Manager, SAS In-database Technologies Decision latency Integration with business process Real time signal detection SAS Event Stream Processing Decision latency Teal-time alerting and event processing
15 SAS HIGH-PEFORMANCE ANALYTICS
16 SAS HIGH-PEFORMANCE ANALYTICS
17 SAS HIGH-PEFORMANCE ANALYTICS
18 SAS HIGH-PEFORMANCE ANALYTICS
19 Copyr i g ht 2012, SAS Ins titut e Inc. All rights res er ve d. SAS IN-MEMORY
20 SAS LASR ANALYTIC SERVER Dedykowany serwer in-memory zaprojektowany do potrzeb interaktywnej i iteracyjnej analityki In-memory Szybkość, sekundowe odpowiedzi Dla wielu użytkowników Setki równoczesnych użytkowników Bezstanowy Bez potrzeby wstępnego przeliczania Interaktywny Natychmiastowa wizualizacja wpływu zmian parametrów na wyniki modelu Opcje wdrożenia MPP (distributed) lub SMP (single machine) Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d.
21 SAS LASR ANALYTIC SERVER ZINTEGROWANY INTERFEJS UŻYTKOWNIKA ANALITYK BIZNESOWY STATYSTYK DATA SCIENTIST /PROGRAMISTA GUI GUI PROGRAMMING Visual Analytics Visual Statistics IMSTAT for Hadoop* Przetwarzanie danych Eksploracja / Wizualizacja Modelowanie Wdrożenie *SAS In-Memory Statistics for Hadoop
22 BIG DATA SOLUTIONS SEARCH IS KEY.BUT WHEN LOOKING FOR THE KNOWN UNKNOWNS As we know, there are known knowns; there are things we know we know. We also know there are known unknowns; that is to say we know there are some things we do not know. But there are also unknown unknowns -- the ones we don't know we don't know. And if one looks throughout the history of our country and other free countries, it is the latter category that tend to be the difficult ones. Donald Rumsfeld, 2002
23 Copyr i g ht 2012, SAS Ins titut e Inc. All rights res er ve d. RÓŻNE OBLICZA BUSINESS INTELLIGENCE
24 DWIE TWARZE BI Świat raportów i dashboardów Świat analiz Monitorowanie efektywności Pytania Ad-hoc procesów Ustalone miary, KPI, alerty RAPORT Co? BI ODKRYCIE Dlaczego? Praca interaktywna Eksploracja wizualna Ustalona ścieżka dla Odkrywanie wiedzy przy informacji pomocy metod Odpowiedzi na analitycznych predefiniowane pytania Nieznane, nowe dane Znane dane (nasze własne?) Reporting Dashboards Ad-hoc Query OLAP Interactive Visualization Predictive Modelling & Data Mining Copyr i g ht 2012, SAS Ins titut e Inc. All rights res er ve d.
25 SELF SERVICE BI DEFINICJA Self-service business intelligence definiuje się jako: rozwiązania w środowisku BI, pozwalające użytkownikom na większą samodzielność i mniejszą zależność od organizacji IT główne cele łatwe w użyciu narzędzia BI (w tym dla zaawansowanych analiz) łatwy dostęp do danych źródłowych (nie tylko hurtownia) wyniki proste w tworzeniu, zrozumieniu, dostępie i współdzieleniu szybkie we wdrożeniu i łatwe w zarządzaniu procesy warehousingowe
26 SELF SERVICE BI OD SUROWYCH DANYCH DO WYNIKU Sandbox Upload Model Wyliczenia Filtry Hierarchie Agregacje
27 WIZUALIZACJA WZROK KRÓL ZMYSŁÓW 70% receptorów zmysłów jest ulokowanych w oczach Widzenie zużywa 25% mocy obliczeniowej mózgu Układ siatkówka-mózg działa z prędkością ok. 10Mbps
28 OBRAZ JEST WART 1000 SŁÓW POTRZEBA WIZUALIZACJI
29 WIZUALNA EKSPLORACJA METODA ANALIZY DANYCH Wizualizacja (wgląd) Szybkość (natychmiastowy rezultat) Interakcja (łatwość pytania)
30 WIZUALNA EKSPLORACJA SKŁADNIKI Wizualizacja Paleta narzędzi wizualizacji oraz automatyzacja wizualizacji Wizualizacja danych, wizualizacja wyników analizy, oraz BIG DATA Animacje, podpowiedzi, tipsy Interakcja Zaznaczanie, filtrowanie, sortowanie, pędzlowanie, drill down, Dynamiczne połączenia i aktywne obiekty Zaawansowane metody analizy Szybkość Czas reakcji do kilku sekund, niezależny od wielkości danych Możliwość bezkarnego weryfikowania wielu hipotez Samodzielność użytkownika jako efekt szybkości
31 Copyr i g ht 2012, SAS Ins titut e Inc. All rights res er ve d. SAS VISUAL ANALYTICS
32 BUSINESS VISUALIZATION RÓŻNICA MIĘDZY WIZUALIZACJĄ, A WIZUALIZACJĄ Z WYKORZYSTANIEM ANALITYKI DATA VISUALIZATION ANALYTIC VISUALIZATION EXPLORATION DISCOVERY Copyr i g ht 2014, SAS Ins titut e Inc. All rights res er ve d.
33 SAS VISUAL ANALYTICS JEDNO ZINTEGROWANE ROZWIĄZANIE Raport Dystrybucja RAPORT Co? VISUAL ANALYTICS ODKRYCIE Dlaczego? Eksploracja Odkrycie
34 ARCHITEKTURA ROZWIĄZANIA MIEJSCE W ŚRODOWISKU INFORMATYCZNYM ORGANIZACJI SAS VISUAL ANALYTICS PRACA WSADOWA Ładowanie danych BAZA IN-MEMORY WEB Administracja Projektowanie Raportów Przygotowanie Danych Eksploracja Przeglądanie Raportów ZAAWANSOWANY UŻYTKOWNIK / IT Dowolne dane dostępne z SAS MOBILE Przeglądanie Raportów UŻYTKOWNIK BIZNESOWY Serwer klasy Commodity Hardware Pliki z PC
35 SAS VISUAL ANALYTICS GŁÓWNE KOMPONENTY Centralny punkt dostępu Integracja Dedykowane interfejsy DATA BUILDER ADMINISTRATOR EXPLORER DESIGNER Łączenie danych z Monitorowanie SAS Ad-hoc analiza Tworzenie wielu źródeł LASR Analytic danych i odrywanie dashboardów i Tworzenie kolumn server związków raportów dostępnych wyliczanych i Ładowanie/usuwanie Zaawansowane przez web i tablety pochodnych danych analizy Ładowanie danych Zarządzanie bezpieczeństwem SAS LASR ANALYTIC SERVER MOBILE BI Natywne aplikacje ios i Android pozwalające na interaktywny dostęp do raportów
36 SAS VISUAL ANALYTICS HUB Strona startowa dla wszystkich użytkowników Widoki zależne od ról użytkowników Nawigacja do różnych czynności Ad-Hoc eksploracja danych Tworzenie raportów Przeglądanie raportów Zadania administracyjne Przygotowanie danych Administracja i monitorowanie sytemu Ulubione i wyszukiwanie Komentarze i współpraca
37 SAS VISUAL ANALYTICS DATA BUILDER Wyszukiwanie tabel w metadanych Łączenie tabel i ładowanie przyrostowe Tworzenie kolumn wyliczanych (kreator budowy wyrażeń) Filtrowanie kolumn i wierszy (dane surowe i zagregowane) Ładowane danych z Excela do pamięci Harmonogramowanie wykonania zapytań
38 SAS VISUAL ANALYTICS ADMINISTRATOR Monitorowanie Środowiska Zasoby (CPU, I/O, Memory) Procesy (sesje użytkowników) Logowanie z urządzeń mobilnych Zarządzanie serwerami i danymi Start/stop serwerów in-memory Ładowanie/usuwanie tablel in-memory Zarządzanie bezpieczeństwem Bezpieczeństwo tabel i wierszy Listy dostępu urządzeń mobilnych
39 SAS VISUAL ANALYTICS EXPLORER Eksploracja danych Wizualizacja, poszukiwanie relacji, trendów, nieprawidłowości, itd. Automatyczne wykresy Wizualizacje: Tabele, Wykresy słupkowe, liniowe, rozproszenia, bąbelkowe, mapy geograficzne i wiele innych Łatwa w użyciu analityka: Korelacje (Relacje), Regresja (Liniowa, kwadratowa, sześcienna, PSpline, Best Fit), Prognozowanie (wiele algorytmów), Statystyki agregujące Dynamiczne hierarchie: Drill down, up, and across siblings Zmienne wyliczane Selekcja i zaznaczanie w celu odkrycia relacji Zapisanie i udostępnienie eksploracji jako raport lub PDF Eksport danych do Excela lub CSV/TSV
40 SAS VISUAL ANALYTICS DESIGNER Interfejs do tworzenia raportów i dashboardów Wykorzystanie istniejących raportów i danych Użycie wielu źródeł danych Wiele opcji wizualizacji danych Precyzja rozmieszczenia obiektów na raportach Interakcje pomiędzy obiektami raportów oraz promptami Komentarze na poziomie raportów i obiektów Dynamiczne Hierarchie: Drill down, up, itp. Zmienne wyliczane i tworzone Eksport danych do Excela, CSV/TSV Adaptacyjne prezentacje budowane raz, używane w różnych kanałach dystrybucji.
41 SAS VISUAL ANALYTICS VIEWER Wisualizacja reportów Wiele źródeł danych Interakcje i prompty Nawigacje według hierarchii Współpraca i komentarze Eksport danych do Excela, CSV/TSV Wykorzystanie mechanizmów bezpieczeństwa Platformy SAS
42 SAS VISUAL ANALYTICS MOBILE Natywne aplikacje dla tabletów ipad i Android Zaawansowane metody wizualizacji i interakcji na raportach: filtrowanie, zaznaczanie, drill-down, powiększanie, itp. Kolaboracja i komentarze Współdzielenie poprzez Interaktywne przeglądanie raportów offline Wykorzystanie mechanizmów bezpieczeństwa Platformy SAS Dodatkowe mechanizmy bezpieczeństwa związane z urządzeniami mobilnymi: szyfrowanie, zdalne usuwanie zawartości, listy dostępu i wykluczeń, SSL itd.
43 DZIĘKUJĘ Copyr i g ht 2012, SAS Ins titut e Inc. All rights res er ve d.
WIZUALNA EKSPLORACJA DANYCH I RAPORTOWANIE W SAS VISUAL ANALYTICS ORAZ WSTĘP DO SAS VISUAL STATISTICS
WIZUALNA EKSPLORACJA DANYCH I RAPORTOWANIE W SAS VISUAL ANALYTICS ORAZ WSTĘP DO SAS VISUAL STATISTICS WEBINARIUM, 2016.03.08 Dr Sławomir Strzykowski, Senior Business Solution Manager SAS VISUAL ANALYTICS
Bardziej szczegółowoSzkolenia SAS Cennik i kalendarz 2017
Szkolenia SAS Spis treści NARZĘDZIA SAS FOUNDATION 2 ZAAWANSOWANA ANALITYKA 2 PROGNOZOWANIE I EKONOMETRIA 3 ANALIZA TREŚCI 3 OPTYMALIZACJA I SYMULACJA 3 3 ROZWIĄZANIA DLA HADOOP 3 HIGH-PERFORMANCE ANALYTICS
Bardziej szczegółowoSZKOLENIA SAS. ONKO.SYS Kompleksowa infrastruktura inforamtyczna dla badań nad nowotworami CENTRUM ONKOLOGII INSTYTUT im. Marii Skłodowskiej Curie
SZKOLENIA SAS ONKO.SYS Kompleksowa infrastruktura inforamtyczna dla badań nad nowotworami CENTRUM ONKOLOGII INSTYTUT im. Marii Skłodowskiej Curie DANIEL KUBIK ŁUKASZ LESZEWSKI ROLE ROLE UŻYTKOWNIKÓW MODUŁU
Bardziej szczegółowoSamodzielny Business Intelligence in memory duże i małe. Paweł Gajda Business Solution Architect
Samodzielny Business Intelligence in memory duże i małe Paweł Gajda Business Solution Architect Agenda 1. Zapytania biznesowe 2. SAP Visual Intelligence 3. Szybkość 4. Zaangażowanie 5. Samoobsługa 6. Kreatywność
Bardziej szczegółowoZROZUMIEĆ MIŁOŚNIKÓW NATURY
ZROZUMIEĆ MIŁOŚNIKÓW NATURY Krzysztof Kierzkowski, SAS Institute Polska SAS INSTITUTE SAS Institute 37 lat doświadczeń z wdrożeń na świecie 90 firm z listy Fortune Global 100 korzysta z SAS 13.600 pracowników
Bardziej szczegółowobusiness intelligence
business intelligence enterprise guide Szkolenia z tej grupy dedykowane są dla osób pragnących pracować z SAS Enterpriese Guide wykorzystując przy tym mnogość kreatorów graficznych pozwalających na budowanie
Bardziej szczegółowoSAS Access to Hadoop, SAS Data Loader for Hadoop Integracja środowisk SAS i Hadoop. Piotr Borowik
SAS Access to Hadoop, SAS Data Loader for Hadoop Integracja środowisk SAS i Hadoop Piotr Borowik Wyzwania związane z Big Data Top Hurdles with Big data Source: Gartner (Sep 2014), Big Data Investment Grows
Bardziej szczegółowoCena netto (PLN) IV kwartał. Cena netto (PLN) Podstawy SAS INTRO 1 1 200 1 260 2 20 4 1 7 2
2015 SAS Education sas.com/poland/training Centrum Szkoleniowe SAS Institute sp. z o.o. ul. Gdańska 27/31, 01-633 Warszawa (22) 560 46 20 cs@spl.sas.com Kalendarz szkoleń Grow With Us Nazwa szkolenia Kod
Bardziej szczegółowoCzęść I Istota analizy biznesowej a Analysis Services
Spis treści Część I Istota analizy biznesowej a Analysis Services 1 Analiza biznesowa: podstawy analizy danych... 3 Wprowadzenie do analizy biznesowej... 3 Wielowymiarowa analiza danych... 5 Atrybuty w
Bardziej szczegółowoModelowanie Data Mining na wielką skalę z SAS Factory Miner. Paweł Plewka, SAS
Modelowanie Data Mining na wielką skalę z SAS Factory Miner Paweł Plewka, SAS Wstęp SAS Factory Miner Nowe narzędzie do data mining - dostępne od połowy 2015 r. Aktualna wersja - 14.1 Interfejs webowy
Bardziej szczegółowoWprowadzenie do Hurtowni Danych. Mariusz Rafało
Wprowadzenie do Hurtowni Danych Mariusz Rafało mrafalo@sgh.waw.pl WARSTWA PREZENTACJI HURTOWNI DANYCH Wykorzystanie hurtowni danych - aspekty Analityczne zbiory danych (ADS) Zbiór danych tematycznych (Data
Bardziej szczegółowoBLOK 3 FUNKCJONALNOŚCI OPROGRAMOWANIA DOSTĘPNEGO W RAMACH PIBUK
BLOK 3 FUNKCJONALNOŚCI OPROGRAMOWANIA DOSTĘPNEGO W RAMACH PIBUK INSTYTUT ŁĄCZNOŚCI, WARSZAWA 2015-11-03 AGENDA BLOK 3 Modelowanie i zarządzanie modelami SAS Enterprise Miner SAS Model Mangager Raportowanie
Bardziej szczegółowoWprowadzenie do technologii Business Intelligence i hurtowni danych
Wprowadzenie do technologii Business Intelligence i hurtowni danych 1 Plan rozdziału 2 Wprowadzenie do Business Intelligence Hurtownie danych Produkty Oracle dla Business Intelligence Business Intelligence
Bardziej szczegółowoRola analityki danych w transformacji cyfrowej firmy
Rola analityki danych w transformacji cyfrowej firmy Piotr Czarnas Querona CEO Analityka biznesowa (ang. Business Intelligence) Proces przekształcania danych w informacje, a informacji w wiedzę, która
Bardziej szczegółowoUsługi analityczne budowa kostki analitycznej Część pierwsza.
Usługi analityczne budowa kostki analitycznej Część pierwsza. Wprowadzenie W wielu dziedzinach działalności człowieka analiza zebranych danych jest jednym z najważniejszych mechanizmów podejmowania decyzji.
Bardziej szczegółowoPortale raportowe, a narzędzia raportowe typu self- service
Portale raportowe, a narzędzia raportowe typu self- service Bartłomiej Graczyk Kierownik Projektów / Architekt rozwiązań Business Intelligence E mail: bartek@graczyk.info.pl Site: www.graczyk.info.pl Agenda
Bardziej szczegółowoCo to jest Business Intelligence?
Cykl: Cykl: Czwartki z Business Intelligence Sesja: Co Co to jest Business Intelligence? Bartłomiej Graczyk 2010-05-06 1 Prelegenci cyklu... mariusz@ssas.pl lukasz@ssas.pl grzegorz@ssas.pl bartek@ssas.pl
Bardziej szczegółowoLearn SAS. Training Certification Coaching. Grow With Us. Szkolenia Certyfikaty Mentoring Analiza potrzeb szkoleniowych
Learn SAS Training Certification Coaching Szkolenia Certyfikaty Mentoring Analiza potrzeb szkoleniowych 2019 Grow With Us Oferta Centrum Szkoleniowego SAS Analiza potrzeb szkoleniowych Gwarancją udanego
Bardziej szczegółowoNowe podejście do składowania danych
Nowe podejście do składowania danych Platforma dla danych transakcyjnych i analitycznych wykorzystująca składowanie kolumnowe w pamięci Hasso Plattner Oddzielne systemy transakcyjne + analityka + akceleracja
Bardziej szczegółowoPERFORMANCE POINT SERVICE NIE TYLKO DLA ORŁÓW
PERFORMANCE POINT SERVICE NIE TYLKO DLA ORŁÓW Czyli sesja o tym jak rozpocząc wykorzystywanie potężnego narzędzia będącego elementem SharePoint 2010 w rozwiązaniach BI i nie zatruć życia IT BARTŁOMIEJ
Bardziej szczegółowoPraktyczne wykorzystanie elementów raportowania Microsoft Project 2010 /Project Server 2010 Sesja 4 Performance Point Services Bartłomiej Graczyk
Praktyczne wykorzystanie elementów raportowania Microsoft Project 2010 /Project Server 2010 Sesja 4 Performance Point Services Bartłomiej Graczyk 2012-11-05 Bartłomiej Graczyk MCT,MCITP,MCTS Architekt
Bardziej szczegółowoHURTOWNIE DANYCH I BUSINESS INTELLIGENCE
BAZY DANYCH HURTOWNIE DANYCH I BUSINESS INTELLIGENCE Akademia Górniczo-Hutnicza w Krakowie Adrian Horzyk horzyk@agh.edu.pl Google: Horzyk HURTOWNIE DANYCH Hurtownia danych (Data Warehouse) to najczęściej
Bardziej szczegółowoSAS Lineage. zależności między obiektami w środowisku SAS, perspektywa techniczna i biznesowa
SAS Lineage zależności między obiektami w środowisku SAS, perspektywa techniczna i biznesowa Agenda Co to jest SAS Lineage Znaczenie w zarządzaniu danymi Produkty i możliwości Baza danych o relacjach Jak
Bardziej szczegółowo1 Wprowadzenie do koncepcji Microsoft Office BI 1 Zakres ksiąŝki 2 Cel ksiąŝki 3 Wprowadzenie do tematu 3 Zawartość rozdziałów 4
1 Wprowadzenie do koncepcji Microsoft Office BI 1 Zakres ksiąŝki 2 Cel ksiąŝki 3 Wprowadzenie do tematu 3 Zawartość rozdziałów 4 2 Tabele przestawne, wykresy przestawne i formatowanie warunkowe 11 Co to
Bardziej szczegółowoAnalityka danych w środowisku Hadoop. Piotr Czarnas, 27 czerwca 2017
Analityka danych w środowisku Hadoop Piotr Czarnas, 27 czerwca 2017 Hadoop i Business Intelligence - wyzwania 1 Ładowane danych do Hadoop-a jest trudne 2 Niewielu specjalistów dostępnych na rynku Dostęp
Bardziej szczegółowoOd Expert Data Scientist do Citizen Data Scientist, czyli jak w praktyce korzystać z zaawansowanej analizy danych
Od Expert Data Scientist do Citizen Data Scientist, czyli jak w praktyce korzystać z zaawansowanej analizy danych Tomasz Demski StatSoft Polska www.statsoft.pl Analiza danych Zaawansowana analityka, data
Bardziej szczegółowoAnalityka danych w środowisku Hadoop. Piotr Czarnas, 5 czerwca 2017
Analityka danych w środowisku Hadoop Piotr Czarnas, 5 czerwca 2017 Pytania stawiane przez biznes 1 Jaka jest aktualnie sytuacja w firmie? 2 Na czym jeszcze możemy zarobić? Które procesy możemy usprawnić?
Bardziej szczegółowoOne Size Doesn t Fit All, czyli case study stworzenia BI dostosowanego do strategicznych, operacyjnych oraz analitycznych potrzeb
One Size Doesn t Fit All, czyli case study stworzenia BI dostosowanego do strategicznych, operacyjnych oraz analitycznych potrzeb X Kongres Business Intelligence Warszawa, 17.03.2016 Joanna Łuczak Multi-Partnerski
Bardziej szczegółowoSystem INTEGRYB jako zintegrowane repozytorium danych umożliwiające zaawansowaną analitykę badawczą
System INTEGRYB jako zintegrowane repozytorium danych umożliwiające zaawansowaną analitykę badawczą Lena Szymanek 1, Jacek Seń 1, Krzysztof Skibicki 2, Sławomir Szydłowski 2, Andrzej Kunicki 1 1 Morski
Bardziej szczegółowoEXPERIENCE IS THE KING
EXPERIENCE IS THE KING ANALITYKA CUSTOMER JOURNEY W AKCJI MARKETING PROGRESS, 13.10.2016 DOŚWIADCZENIE TECHNOLOGIA 38 lat na świecie, 22 lata w Polsce Wydajny silnik przetwarzania danych i analityki Pełna
Bardziej szczegółowoSzkolenie: Jak mieć więcej czasu na wyciąganie wniosków
Szkolenie: Jak mieć więcej czasu na wyciąganie wniosków 14 listopada 2018 r 8:45-12:45 Warszawa https://alterdata.evenea.pl "Dzisiaj praca analityka składa się w 15% z analizowania. Cała reszta czynności
Bardziej szczegółowoHurtownie danych i business intelligence - wykład II. Zagadnienia do omówienia. Miejsce i rola HD w firmie
Hurtownie danych i business intelligence - wykład II Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2005-2012 Zagadnienia do omówienia 1. Miejsce i rola w firmie 2. Przegląd architektury
Bardziej szczegółowoPraktyczne wykorzystanie elementów raportowania Microsoft Project 2010 /Project Server 2010 Sesja 5 PowerPivot & PowerView Bartłomiej Graczyk
Praktyczne wykorzystanie elementów raportowania Microsoft Project 2010 /Project Server 2010 Sesja 5 PowerPivot & PowerView Bartłomiej Graczyk 2012-11-05 Bartłomiej Graczyk MCT,MCITP,MCTS Architekt rozwiązań
Bardziej szczegółowoOrganizacyjnie. Prowadzący: dr Mariusz Rafało (hasło: BIG)
Big Data Organizacyjnie Prowadzący: dr Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl (hasło: BIG) Zaliczenie: Praca na zajęciach Egzamin Projekt/esej zaliczeniowy Plan zajęć # TEMATYKA ZAJĘĆ
Bardziej szczegółowoPraktyczne aspekty pozyskiwania wiedzy z danych z perspektywy matematyka w bankowości. 2014-01-23 (VI zajęcia) Jakub Jurdziak
Praktyczne aspekty pozyskiwania wiedzy z danych z perspektywy matematyka w bankowości 2014-01-23 (VI zajęcia) Jakub Jurdziak CEL ZAJĘĆ: Prezentacja nowoczesnego banku uniwersalnego jako organizacji opartej
Bardziej szczegółowoSpis treści. Część I Wprowadzenie do pakietu oprogramowania Analysis Services
Spis treści Wstęp... ix Odkąd najlepiej rozpocząć lekturę?... ix Informacja dotycząca towarzyszącej ksiąŝce płyty CD-ROM... xi Wymagania systemowe... xi Instalowanie i uŝywanie plików przykładowych...
Bardziej szczegółowoTematy prac dyplomowych inżynierskich
inżynierskich Oferujemy możliwość realizowania poniższych tematów w ramach projektu realizowanego ze środków Narodowego Centrum Badań i Rozwoju. Najlepszym umożliwimy realizację pracy dyplomowej w połączeniu
Bardziej szczegółowoJak wiedzieć więcej i szybciej - Analizy in-memory
Jak wiedzieć więcej i szybciej - Analizy in-memory Michał Grochowski Senior Consultant BI/DWH 1 Copyright 2012, Oracle and/or its affiliates. All rights reserved. 2 Copyright 2012, Oracle and/or its affiliates.
Bardziej szczegółowoREAL TIME BUSINESS INTELLIGENCE REALNY ROZWÓJ BIZNESU. STUDIUM PRZYPADKU W OBSZARZE MARKETINGU RADOSŁAW GRABIEC SAS INSTITUTE
REAL TIME BUSINESS INTELLIGENCE REALNY ROZWÓJ BIZNESU. STUDIUM PRZYPADKU W OBSZARZE MARKETINGU RADOSŁAW GRABIEC SAS INSTITUTE REAL TIME BUSINESS INTELLIGENCE ZAGADNIENIA Co jest potrzebne do realizacji
Bardziej szczegółowoTrendy BI z perspektywy. marketingu internetowego
Trendy BI z perspektywy marketingu internetowego BI CECHUJE ORGANIZACJE DOJRZAŁE ANALITYCZNIE 2 ALE JAKA JEST TA DOJRZAŁOŚĆ ANALITYCZNA ORGANIZACJI? 3 Jaka jest dojrzałość analityczna organizacji? Zarządzanie
Bardziej szczegółowoMaciej Kiewra mkiewra@qbico.pl. Quality Business Intelligence Consulting http://www.qbico.pl
Maciej Kiewra mkiewra@qbico.pl Quality Business Intelligence Consulting http://www.qbico.pl Wstęp Integration Services narzędzie do integracji danych Pomyślane do implementacji procesów ETL Extract ekstrakcja
Bardziej szczegółowoPrezentacja firmy WYDAJNOŚĆ EFEKTYWNOŚĆ SKUTECZNOŚĆ. http://www.qbico.pl
Prezentacja firmy { WYDAJNOŚĆ EFEKTYWNOŚĆ SKUTECZNOŚĆ http://www.qbico.pl Firma ekspercka z dziedziny Business Intelligence Srebrny Partner Microsoft w obszarach Business Intelligence i Data Platform Tworzymy
Bardziej szczegółowoCzęść I Rozpoczęcie pracy z usługami Reporting Services
Spis treści Podziękowania... xi Wprowadzenie... xiii Część I Rozpoczęcie pracy z usługami Reporting Services 1 Wprowadzenie do usług Reporting Services... 3 Platforma raportowania... 3 Cykl życia raportu...
Bardziej szczegółowoPREZENTACJA FUNKCJONALNA SYSTEMU PROPHIX
PREZENTACJA FUNKCJONALNA SYSTEMU PROPHIX Architektura i struktura funkcjonalna systemu PROPHIX PROPHIX Corporate Performance Management (Zarządzanie Wydajnością Firmy) System do samodzielnego planowania,
Bardziej szczegółowoPlatforma Cognos. Agata Tyma CMMS Department Marketing & Sales Specialist atyma@aiut.com.pl. 2011 AIUT Sp. z o. o.
Platforma Cognos Agata Tyma CMMS Department Marketing & Sales Specialist atyma@aiut.com.pl Business Intelligence - Fakty Kierownicy tracą około 2 godzin dziennie na szukanie istotnych informacji. Prawie
Bardziej szczegółowoPresented by. Dr. Morten Middelfart, CTO
Meeting Big Data challenges in Leadership with Human-Computer Synergy. Presented by Dr. Morten Middelfart, CTO Big Data Data that exists in such large amounts or in such unstructured form that it is difficult
Bardziej szczegółowoOferta szkoleniowa Yosi.pl 2012/2013
Oferta szkoleniowa Yosi.pl 2012/2013 "Podróżnik nie posiadający wiedzy, jest jak ptak bez skrzydeł" Sa'Di, Gulistan (1258 rok) Szanowni Państwo, Yosi.pl to dynamicznie rozwijająca się firma z Krakowa.
Bardziej szczegółowoOPIS PRZEDMIOTU ZAMÓWIENIA
Załącznik nr 1 OPIS PRZEDMIOTU ZAMÓWIENIA Licencja Microsoft Windows SQL Server Standard 2012 (nie OEM) lub w pełni równoważny oraz licencja umożliwiająca dostęp do Microsoft Windows SQL Server Standard
Bardziej szczegółowoSplunk w akcji. Radosław Żak-Brodalko Solutions Architect Linux Polska Sp. z o.o.
Splunk w akcji Radosław Żak-Brodalko Solutions Architect Linux Polska Sp. z o.o. 1 Splunk agent wiedzy o infrastrukturze czyli SIEM i coś więcej 2 Splunk gromadzi oraz integruje informacje dotyczące funkcjonowania
Bardziej szczegółowoDlaczego my? HARMONOGRAM SZKOLEŃ październik - grudzień ACTION Centrum Edukacyjne. Autoryzowane szkolenia. Promocje
ACTION Centrum Edukacyjne ACTION Centrum Edukacyjne oferuje najwyższej jakości szkolenia IT prowadzone przez najlepszych instruktorów w Polsce. Jako jedyny ośrodek szkoleniowy w Polsce posiada autoryzację
Bardziej szczegółowoTOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów
TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów Przeznaczenie szkolenia Szkolenie dla osób chcących: Profesjonalnie przygotowywać dane do dalszej
Bardziej szczegółowoHP Service Anywhere Uproszczenie zarządzania usługami IT
HP Service Anywhere Uproszczenie zarządzania usługami IT Robert Nowak Architekt rozwiązań HP Software Dlaczego Software as a Service? Najważniejsze powody za SaaS UZUPEŁNIENIE IT 2 Brak zasobów IT Ograniczone
Bardziej szczegółowoZarządzanie wieloserwerowym środowiskiem SAS z wykorzystaniem SAS Grid Managera. Katarzyna Wyszomierska
Zarządzanie wieloserwerowym środowiskiem SAS z wykorzystaniem SAS Grid Managera Katarzyna Wyszomierska Wyzwania administratora Nowe oprogra mowanie Sprzęt Użytkownicy Dane Wyzwania administratora Potrzebne
Bardziej szczegółowoIII Edycja ITPro 16 maja 2011
III Edycja ITPro 16 maja 2011 SharePoint 2010 SharePoint jako platforma ERP Paweł Szczecki pawel.szczecki@predica.pl Prelegent Paweł Szczecki Współwłaściciel firmy Predica sp. z o.o. Odpowiedzialny za
Bardziej szczegółowo2011-11-04. Instalacja SQL Server Konfiguracja SQL Server Logowanie - opcje SQL Server Management Studio. Microsoft Access Oracle Sybase DB2 MySQL
Instalacja, konfiguracja Dr inŝ. Dziwiński Piotr Katedra InŜynierii Komputerowej Kontakt: piotr.dziwinski@kik.pcz.pl 2 Instalacja SQL Server Konfiguracja SQL Server Logowanie - opcje SQL Server Management
Bardziej szczegółowoBig Data MATERIAŁY DYDAKTYCZNE I SZKOLENIOWE NA STUDIA PODYPLOMOWE ORAZ NA SZKOLENIA DYSTRYBUOWANE SĄ BEZPŁATNIE. Agenda
Big Data str. 1 Agenda 1. Co to jest Big Data? 2. Źródła Big Data 3. Model 3V 4. Typy Big Data 5. Big Data w biznesie 6. Platforma IBM Big Data 1 Co oznacza Big Data? Zbiór danych tak duży, że jego przetwarzanie
Bardziej szczegółowoPREZENTACJA SYSTEMU BUSINESS INTELLIGENCE TARGIT
PREZENTACJA SYSTEMU BUSINESS INTELLIGENCE TARGIT Architektura i struktura funkcjonalna systemu TARGIT TARGIT Business Analytics BI System do samodzielnego tworzenia analiz, kokpitów raportów i ostrzeżeń
Bardziej szczegółowoWprowadzenie do Hurtowni Danych. Mariusz Rafało
Wprowadzenie do Hurtowni Danych Mariusz Rafało mariusz.rafalo@hotmail.com WPROWADZENIE DO HURTOWNI DANYCH Co to jest hurtownia danych? Hurtownia danych jest zbiorem danych zorientowanych tematycznie, zintegrowanych,
Bardziej szczegółowoTECHNOLOGIE BIG DATA A BEZPIECZEŃSTWO INFORMATYCZNE WE KNOW YOU KNOW. silmine.com
TECHNOLOGIE BIG DATA A BEZPIECZEŃSTWO INFORMATYCZNE WE KNOW YOU KNOW. silmine.com 13 + 13 LAT DOŚWIADCZENIA PONAD 480 ZREALIZOWANYCH PROJEKTÓW PARTNERSTWO Naszą ambicją jest dostarczać klientom szeroki
Bardziej szczegółowoTOPWEB SPSall Budowanie portalu intranetowego
TOPWEB SPSall Budowanie portalu intranetowego Przeznaczenie szkolenia Szkolenie dla osób chcących: Profesjonalnie budować intranetowy portal w oparciu o aplikację Microsoft SharePoint 2013. Sprawnie posługiwać
Bardziej szczegółowoBartłomiej Graczyk MCT,MCITP,MCTS
Praktyczne wykorzystanie elementów raportowania (SSRS, Performance Point Service, Excel Services, Visio Services) w Microsoft Project 2010 Bartłomiej Graczyk 2012-11-05 Bartłomiej Graczyk MCT,MCITP,MCTS
Bardziej szczegółowoSzybkość instynktu i rozsądek rozumu$
Szybkość instynktu i rozsądek rozumu$ zastosowania rozwiązań BigData$ Bartosz Dudziński" Architekt IT! Już nie tylko dokumenty Ilość Szybkość Różnorodność 12 terabajtów milionów Tweet-ów tworzonych codziennie
Bardziej szczegółowo2014-03-17. Misja. Strategia. Cele UNIT4 TETA BI CENTER. Plan prezentacji. Grupa UNIT4 TETA. Grupa kapitałowa UNIT4 UNIT4 TETA BI CENTER
Plan prezentacji Prowadzący: Mateusz Jaworski m.jaworski@tetabic.pl 1. Grupa kapitałowa UNIT4. 2. Grupa UNIT4 TETA. 3. UNIT4 TETA BI CENTER. 4. TETA Business Intelligence. 5. Analiza wielowymiarowa. 6..
Bardziej szczegółowoBigData. Czy zawsze oznacza BigProblem? Artur Górnik, SAP Polska Piotr Zacharek, HP Polska 14 kwietnia, 2015
BigData Czy zawsze oznacza BigProblem? Artur Górnik, SAP Polska Piotr Zacharek, HP Polska 14 kwietnia, 2015 Platforma SAP HANA ETL ETL Cache SAP HANA (DRAM) Transact Analyze Accelerate Wybrane aspekty
Bardziej szczegółowoHikvision ivms
Hikvision ivms www.hikvision.com Hikvision ivms Rodzaje oprogramowania ivms-4200 Oprogramowanie do małych i średnich instalacji ivms-5200 Wersja Enterprise i Professional duże instalacje ivms-4500 Aplikacje
Bardziej szczegółowoAnalityka i BigData w służbie cyberbezpieczeństa
Date Venue Next generation SOC Analityka i BigData w służbie cyberbezpieczeństa Tomasz Rostkowski Architekt - IBM Analytics Zagrożenia cyberprzestępczości...złe wieści Ewolucja centrów operacji bezpieczeństwa
Bardziej szczegółowoZAŁĄCZNIK NR 5 - GRUPA PRODUKTÓW 5: OPROGRAMOWANIE BAZODANOWE
ZAŁĄCZNIK NR 5 - GRUPA PRODUKTÓW 5: OPROGRAMOWANIE BAZODANOWE Opis przedmiotu zamówienia Licencja na Microsoft SQL Server 2008 R2 Standard Edition Gov. MOLP 1 CPU (2 szt.) lub Licencja na Microsoft SQL
Bardziej szczegółowoAgenda. Charakterystyka Business Intelligence. Architektura systemu. Prezentacja funkcjonalności. Podsumowanie
Agenda Wstęp Charakterystyka Business Intelligence Architektura systemu Prezentacja funkcjonalności Podsumowanie Business Intelligence BI to zaawansowane technologicznie narzędzie informatyczne służą ce
Bardziej szczegółowoCZĘŚĆ I ZASTOSOWANIE PROGRAMU EXCEL DO ANALIZ BUSINESS INTELLIGENCE
Spis treści O autorach Wprowadzenie CZĘŚĆ I ZASTOSOWANIE PROGRAMU EXCEL DO ANALIZ BUSINESS INTELLIGENCE Rozdział 1. Istotne zagadnienia bazodanowe Bazy danych jako remedium na standardowe ograniczenia
Bardziej szczegółowoJak analityka w chmurze obliczeniowej Microsoft może pomóc w transformacji Twojego Biznesu? Radosław Łebkowski Microsoft
Jak analityka w chmurze obliczeniowej Microsoft może pomóc w transformacji Twojego Biznesu? Radosław Łebkowski Microsoft Agenda Jak Microsoft korzysta z narzędzi analitycznych? Podejście do platformy Zarządzanie
Bardziej szczegółowoVI Kongres BOUG Praktyczne aspekty wykorzystania Business Intelligence w przemyśle wydobywczym węgla kamiennego
VI Kongres BOUG Praktyczne aspekty wykorzystania Business Intelligence w przemyśle wydobywczym węgla kamiennego mgr Artur Wroński mgr inż. Przemysław Kapica 25.04.2012 Agenda: Środowisko platformy BI Użytkownicy
Bardziej szczegółowoEMC ViPR Pamięć masowa definiowana programowo
EMC ViPR Pamięć masowa definiowana programowo Prawdziwa wirtualizacja Karol Boguniewicz, vspecialist, EMC Mirosław Kulka, Systems Engineer, EMC 1 Tradycyjne spojrzenie na Centrum Danych MESSAGING ERP/CRM
Bardziej szczegółowodr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2018/2019
dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2018/2019 KONTAKT Z PROWADZĄCYM dr inż. Paweł Morawski e-mail: pmorawski@spoleczna.pl www: http://pmorawski.spoleczna.pl
Bardziej szczegółowoSzkolenie autoryzowane. MS Zaawansowany użytkownik programu SharePoint 2016
Szkolenie autoryzowane MS 55217 Zaawansowany użytkownik programu SharePoint 2016 Strona szkolenia Terminy szkolenia Rejestracja na szkolenie Promocje Opis szkolenia Szkolenie przeznaczone jest dla zaawansowanych
Bardziej szczegółowoPrzypisywanie bibliotek w architekturze SAS
SAS Institute TECHNICAL SUPPORT Przypisywanie bibliotek w architekturze SAS Platforma SAS pozwala na zdefiniowanie wspólnych zasobów w metadanych oraz ustalanie praw dostępu dla użytkowników i grup. Ze
Bardziej szczegółowoANALIZA I PRZETWARZANIE DUŻYCH WOLUMENÓW DANYCH NA PLATFORMIE SAS MARIUSZ DZIECIĄTKO
ANALIZA I PRZETWARZANIE DUŻYCH WOLUMENÓW DANYCH NA PLATFORMIE SAS MARIUSZ DZIECIĄTKO mariusz.dzieciatko@sas.com KTO NAJBARDZIEJ SKORZYSTA Z UŻYCIA HADOOP: ŹRÓDŁO: TDWI Best Practices Report Q2 2015 HADOOP
Bardziej szczegółowoHurtownia danych. Załącznik Nr 1 do SIWZ. Opis przedmiotu zamówienia. Lp. FUNKCJONALNOŚĆ/PARAMETRY WYMAGANE
Załącznik Nr 1 do SIWZ Opis przedmiotu zamówienia Lp. FUNKCJONALNOŚĆ/PARAMETRY WYMAGANE Hurtownia danych 1. Wielowymiarowa hurtownia danych oparta o model konstelacji faktów. 2. Brak ograniczenia na liczbę
Bardziej szczegółowoNajlepsze praktyki w podejściu do rozbudowy infrastruktury Michał Stryga
Najlepsze praktyki w podejściu do rozbudowy infrastruktury Michał Stryga Dlaczego STG Lab Services? Dlaczego STG Lab Services? Technologia w służbie biznesu Jakie zewnętrzne czynniki będą wpływały na twoją
Bardziej szczegółowoMONITOROWANIE DOSTĘPNOŚCI USŁUG IT
MONITOROWANIE DOSTĘPNOŚCI USŁUG IT POZIOMY MONITOROWANIA Services Transaction Application OS Network IBM TIVOLI MONITORING Proaktywnie monitoruje zasoby systemowe, wykrywając potencjalne problemy i automatycznie
Bardziej szczegółowoIBM Business Analytics
IBM Business Analytics Rafał Kupis IBM Polska Wolność Myśli Ujednolicone środowisko Dowolny horyzont czasowy Progresywna interakcja 2 Łącz się z Innymi Sieci decyzyjne Konteksty biznesowe Wzajemne walidacje
Bardziej szczegółowodr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2016/2017
dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2016/2017 KONTAKT Z PROWADZĄCYM dr inż. Paweł Morawski e-mail: pmorawski@spoleczna.pl www: http://pmorawski.spoleczna.pl
Bardziej szczegółowoAurea BPM. Lepsze procesy, lepsze wyniki Warszawa, 24 lipca 2013
Aurea BPM Lepsze procesy, lepsze wyniki Warszawa, 24 lipca 2013 Agenda 1. Dlaczego BPM jest drogą do lepszej wymiany informacji w firmie 2. Aurea BPM unikalna platforma o wyróżniających cechach 3. Podsumowanie
Bardziej szczegółowoHurtownie danych i business intelligence - wykład II. Zagadnienia do omówienia. Miejsce i rola HD w firmie
Hurtownie danych i business intelligence - wykład II Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2005-2008 Zagadnienia do omówienia 1. 2. Przegląd architektury HD 3. Warsztaty
Bardziej szczegółowoCzy ktoś tego używa? HP HAVEn w zaawansowanych zastosowaniach analitycznych
Czy ktoś tego używa? HP HAVEn w zaawansowanych zastosowaniach analitycznych Jarosław Romaniuk, Łukasz Ciszak 14 kwiecień 2015 Firmy odnoszące sukcesy to nie te, które mają najwięcej danych, ale takie,
Bardziej szczegółowoNowoczesne zarządzanie pracą serwisu w terenie
Nowoczesne zarządzanie pracą serwisu w terenie Film promocyjny Kliknij w zdjęcie Kliknij w TECHNOLOGIĘ PRZYSZŁOŚCI TECHNOLOGIA PRZYSZŁOŚCI WYRÓŻNIENIE Międzynarodowych Targów ENEX 2014 Zarządzanie pracą
Bardziej szczegółowoMonitoring procesów z wykorzystaniem systemu ADONIS
Monitoring procesów z wykorzystaniem systemu ADONIS BOC Information Technologies Consulting Sp. z o.o. e-mail: boc@boc-pl.com Tel.: (+48 22) 628 00 15, 696 69 26 Fax: (+48 22) 621 66 88 BOC Management
Bardziej szczegółowoPrzetwarzanie danych w chmurze
Materiały dydaktyczne Katedra Inżynierii Komputerowej Przetwarzanie danych w chmurze Modele przetwarzania w chmurze dr inż. Robert Arsoba Robert.Arsoba@weii.tu.koszalin.pl Koszalin 2017 Wersja 1.0 Modele
Bardziej szczegółowoCOMARCH BI POINT Zrozum dane Twojego biznesu i podejmuj decyzje. Complex Software For Managing Passenger
COMARCH BI POINT Zrozum dane Twojego biznesu i podejmuj decyzje Complex Software For Managing Passenger PODEJMUJ TRAFNE DECYZJE NA PODSTAWIE DANYCH ZNAJDŹ ODPOWIEDZI NA NAJWAŻNIEJSZE PYTANIA DOTYCZĄCE
Bardziej szczegółowoDOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE:
DOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE: JAKIE PROBLEMY ROZWIĄZUJE BI 1 S t r o n a WSTĘP Niniejszy dokument to zbiór podstawowych problemów, z jakimi musi zmagać się przedsiębiorca, analityk,
Bardziej szczegółowoPLAN STUDIÓW STACJONARNYCH I NIESTACJONARNYCH WIECZOROWYCH II STOPNIA (od roku akademickiego 2015/2016)
PLAN STUDIÓW STACJONARNYCH I NIESTACJONARNYCH WIECZOROWYCH II STOPNIA (od roku akademickiego 2015/2016) Kierunek: Informatyka i Ekonometria Specjalność: Elektroniczny Biznes Lp. Przedmioty Grupa Wymiar
Bardziej szczegółowoZarządzanie tożsamością i uprawnieniami
www.pwc.com Zarządzanie tożsamością i uprawnieniami Spotkanie otwarte IIA Polska 18 kwietnia 2012 Zarządzanie tożsamością? Identity Management (IdM) zarządzanie tożsamością Identity and Access Management
Bardziej szczegółowoWybór Discoverer 10g czy BI Beans
XI Konferencja PLOUG Kościelisko Październik 2005 Wybór Discoverer 10g czy BI Beans Tomasz Bawor Matrix.pl S.A. e mail: tomasz.bawor@matrix.pl Streszczenie W przypadku kiedy stajemy przed wyborem narzędzia
Bardziej szczegółowoA posteriori wsparcie w podejmowaniu decyzji biznesowych.
A posteriori wsparcie w podejmowaniu decyzji biznesowych. A posteriori jest programem umożliwiającym analizowanie danych gromadzonych w systemach wspomagających zarządzanie. Można go zintegrować z większością
Bardziej szczegółowoBIG DATA DLA KAŻDEGO. Radosław Łebkowski, Sławomir Strzykowski - Microsoft Piotr Zacharek - Hewlett Packard
BIG DATA DLA KAŻDEGO Radosław Łebkowski, Sławomir Strzykowski - Microsoft Piotr Zacharek - Hewlett Packard DANE, WSZĘDZIE DANE Masowy przyrost różnego typu danych Rodzaje danych Przyspieszenie Użytkownicy
Bardziej szczegółowoSzkolenie autoryzowane. MS Konfiguracja i zarządzanie Microsoft SharePoint 2010
Szkolenie autoryzowane MS 10174 Konfiguracja i zarządzanie Microsoft SharePoint 2010 Strona szkolenia Terminy szkolenia Rejestracja na szkolenie Promocje Opis szkolenia Szkolenie, podczas którego uczestnicy
Bardziej szczegółowoEXSO-CORE - specyfikacja
EXSO-CORE - specyfikacja System bazowy dla aplikacji EXSO. Elementy tego systemu występują we wszystkich programach EXSO. Może on ponadto stanowić podstawę do opracowania nowych, dedykowanych systemów.
Bardziej szczegółowoBudżetowanie i Planowanie
Rób wszystko tak prosto, jak to jest możliwe, ale nie bardziej. Albert Einstein Budżetowanie i Planowanie to Eksperci Business Intelligence, którzy skutecznie rozwiązują problemy biznesu. Przekazujemy
Bardziej szczegółowoHurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl
Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Plan wykładów Wprowadzenie - integracja
Bardziej szczegółowoOrganizacyjnie. Prowadzący: dr Mariusz Rafało (hasło: BIG)
Big Data Organizacyjnie Prowadzący: dr Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl (hasło: BIG) Automatyzacja Automatyzacja przetwarzania: Apache NiFi Źródło: nifi.apache.org 4 Automatyzacja
Bardziej szczegółowo