Preisvergleich auf Barfigo.de: WAREHOUSES
Vergleichen Sie die Preise in 383 Shops mit insgesamt 12.960.441 Produkten
Ihre Suche nach WAREHOUSES ergab 160 Treffer.
Sie befinden sich auf Seite 1 von 16.
Angezeigt werden 10 Ergebnisse
Sie befinden sich auf Seite 1 von 16.
Angezeigt werden 10 Ergebnisse
Wetzlmaier, Thomas: Verteilte Data Warehouses
Jürgens, Marcus: Index Structures for Data Warehouses
Kokic, Esad;Berberovic, Dinko;Suleymanov, Jafar: Unternehmensübergreifende Data Warehouses für RFID-basiertes Supply Chain Management
Konzeption und Realisierung eines Data Warehouses zur Analyse chirurgischer Workflows
Im Umfeld der Medizintechnik entwickelt sich das noch junge und vielversprechende Konzept der Chirurgischen Workflows.
Dabei handelt es sich um eine Methode zur intelligenten Erfassung von Prozessbeschreibungen, die im Laufe chirurgischer Eingriffe erhoben werden.
Um diese Daten analysieren zu können, ist ein formales Modell notwendig, wodurch eine einheitliche Aufnahme der chirurgischen Vorgänge ermöglicht wird.
Die Anwendungsbereiche Chirurgischer Workflows sind weit gestreut.
Sie reichen von der Planungsunterstützung im Vorfeld der Operationen bis zur Workflow-Exploration auf Basis durchgeführter Operationen, von der Suche nach Optimierungspotential hinsichtlich der Instrumente bzw.
Assistenzsysteme bis zur Verifizierung medizinischer Hypothesen.
In dieser Studie wird ein Data Warehouse (DWH) entwickelt, womit chirurgische Workflows erfasst und analysiert werden können.
Hierzu wird die herkömmliche Data-Warehouse-Technologie an die besonderen Anforderungen angepasst, die sich im Zusammenhang mit der Analyse von Prozessbeschreibungen ergeben.
Es wird gezeigt, wie der Anwender eine multidimensionale Sicht sowohl der Operationen, wie auch ihrer Workflow-Komponenten, erhält und er in die Lage versetzt wird, die zu analysierenden Kennzahlen selbst zu definieren und diese entlang verschiedener Dimensionen und Detaillierungsgrade zu aggregieren.
Zunächst führt der Autor in die grundlegenden Themen Business Intelligence (BI), Data Warehouse, multidimensionales Datenmodell und Online Analytical Processing (OLAP) sowie Business Process Intelligence (BPI) ein.
In der initialen Designphase des DWH wird die Strukturierung des chirurgischen Workflows behandelt sowie die Überlegungen zu den eingesetzten Datenerfassungsstrategien beleuchtet.
Das auf dieser Basis in Form eines E/R-Diagramms erstellte Modell zur Erfassung chirurgischer Prozesse dient als Grundlage für das nachfolgend zu entwickelnde multidimensionale Datenmodell und kann als Input einer Transformation betrachtet werden.
Diese liefert - unter Beachtung der gestellten Anforderungen potentieller Anwender - als Output das multidimensionale Schema in Form einer Menge von Faktschemata.
Im Verlauf dieser Transformation werden Herausforderungen ersichtlich, welche sich aus den vorgegebenen Einschränkungen des konventionellen OLAP-Ansatzes ergeben und es wird dargestellt, wie sich diese durch das vorgeschlagene erweiterte multidimensionale Datenmodell lösen lassen.
So wird die Problematik kennzahlloser Fakten oder auch der Umgang mit heterogenen Fakten aufgezeigt.
Das Auftreten von ?viele-zu-viele?-Beziehungen zwischen Fakten und Dimensionen wird ebenso behandelt wie die Möglichkeit, Kennzahlen zur Laufzeit durch den Nutzer definieren zu lassen.
Auch werden die Voraussetzungen, die Möglichkeiten und der Nutzen veranschaulicht, welche sich aus der Austauschbarkeit der Rollen hinsichtlich Fakt und Dimension bzw.
Kennzahl und Dimension ergeben.
Es wird weiter gezeigt, wie die Dimensionshierarchien aufgebaut werden und wie sie in einem Galaxy-Schema von verschiedenen Fakttypen gemeinsam genutzt werden können.
Die Realisierung des modellierten Data Warehouses erfolgt auf einem relationalen Datenbanksystem im Zusammenspiel mit der Business Intelligence Suite Pentaho.
Es wird dargestellt, wie das Metadatenmodell eines OLAP-Datenwürfels erstellt wird, auf dessen Basis multidimensionale Datenanalysen durchgeführt werden können.
Abschließend werden einige Anwendungsfälle aus dem Bereich der OLAP-Analyse präsentiert.
Verwandte Suchworte:
Analyse Data Konzeption Realisierung Warehouses Workflows chirurgischer Dabei handelt es sich um eine Methode zur intelligenten Erfassung von Prozessbeschreibungen, die im Laufe chirurgischer Eingriffe erhoben werden.
Um diese Daten analysieren zu können, ist ein formales Modell notwendig, wodurch eine einheitliche Aufnahme der chirurgischen Vorgänge ermöglicht wird.
Die Anwendungsbereiche Chirurgischer Workflows sind weit gestreut.
Sie reichen von der Planungsunterstützung im Vorfeld der Operationen bis zur Workflow-Exploration auf Basis durchgeführter Operationen, von der Suche nach Optimierungspotential hinsichtlich der Instrumente bzw.
Assistenzsysteme bis zur Verifizierung medizinischer Hypothesen.
In dieser Studie wird ein Data Warehouse (DWH) entwickelt, womit chirurgische Workflows erfasst und analysiert werden können.
Hierzu wird die herkömmliche Data-Warehouse-Technologie an die besonderen Anforderungen angepasst, die sich im Zusammenhang mit der Analyse von Prozessbeschreibungen ergeben.
Es wird gezeigt, wie der Anwender eine multidimensionale Sicht sowohl der Operationen, wie auch ihrer Workflow-Komponenten, erhält und er in die Lage versetzt wird, die zu analysierenden Kennzahlen selbst zu definieren und diese entlang verschiedener Dimensionen und Detaillierungsgrade zu aggregieren.
Zunächst führt der Autor in die grundlegenden Themen Business Intelligence (BI), Data Warehouse, multidimensionales Datenmodell und Online Analytical Processing (OLAP) sowie Business Process Intelligence (BPI) ein.
In der initialen Designphase des DWH wird die Strukturierung des chirurgischen Workflows behandelt sowie die Überlegungen zu den eingesetzten Datenerfassungsstrategien beleuchtet.
Das auf dieser Basis in Form eines E/R-Diagramms erstellte Modell zur Erfassung chirurgischer Prozesse dient als Grundlage für das nachfolgend zu entwickelnde multidimensionale Datenmodell und kann als Input einer Transformation betrachtet werden.
Diese liefert - unter Beachtung der gestellten Anforderungen potentieller Anwender - als Output das multidimensionale Schema in Form einer Menge von Faktschemata.
Im Verlauf dieser Transformation werden Herausforderungen ersichtlich, welche sich aus den vorgegebenen Einschränkungen des konventionellen OLAP-Ansatzes ergeben und es wird dargestellt, wie sich diese durch das vorgeschlagene erweiterte multidimensionale Datenmodell lösen lassen.
So wird die Problematik kennzahlloser Fakten oder auch der Umgang mit heterogenen Fakten aufgezeigt.
Das Auftreten von ?viele-zu-viele?-Beziehungen zwischen Fakten und Dimensionen wird ebenso behandelt wie die Möglichkeit, Kennzahlen zur Laufzeit durch den Nutzer definieren zu lassen.
Auch werden die Voraussetzungen, die Möglichkeiten und der Nutzen veranschaulicht, welche sich aus der Austauschbarkeit der Rollen hinsichtlich Fakt und Dimension bzw.
Kennzahl und Dimension ergeben.
Es wird weiter gezeigt, wie die Dimensionshierarchien aufgebaut werden und wie sie in einem Galaxy-Schema von verschiedenen Fakttypen gemeinsam genutzt werden können.
Die Realisierung des modellierten Data Warehouses erfolgt auf einem relationalen Datenbanksystem im Zusammenspiel mit der Business Intelligence Suite Pentaho.
Es wird dargestellt, wie das Metadatenmodell eines OLAP-Datenwürfels erstellt wird, auf dessen Basis multidimensionale Datenanalysen durchgeführt werden können.
Abschließend werden einige Anwendungsfälle aus dem Bereich der OLAP-Analyse präsentiert.
EUR 23.00
Rueth, Christian: Einsatzmöglichkeiten von Data Warehouses im Privatkundengeschäft
the Death Set - Rad Warehouses to Bad Neighborhoods
Data Warehouses und Data Mining im Kontext der TV-Vermarktung
Die folgende Ausarbeitung beschäftigt sich mit der Notwendigkeit und den Möglichkeiten der Informationsbeschaffung und Verarbeitung für die TV-Vermarktung.
Der Informationsspeicher Data Warehouse und der Informationsverarbeitungsmethode Data Mining werden vorgestellt.
Es soll die Frage geklärt werden wie diese Instrumente im Kontext der TV-Vermarktung angewendet werden können.
Einführend werden einige grundlegende Begriffe erläutert.
Anschließend wird das Data Warehouse als strategisches Instrument definiert und die Architektur wird exemplarisch für die TV-Vermarktung beschrieben.
Der Schritt vom Data Warehouse zum CRMFF1FF wird beschrieben und es wird ein Blick auf den Stand der Implementierung von CRM bei TV-Sendern geworfen.
Im zweiten Teil der Ausführungen wird das Data Mining als eine Datenaufbereitungsmöglichkeit für Data Warehouses vorgestellt.
Weiterhin werden Anwendungsmöglichkeiten im Bereich TV erörtert.
Aktuelle Anwendungen werden kurz vorgestellt.
Abschließend wird das Thema Data Warehouses und Data Mining kritisch gewürdigt.
Studienarbeit aus dem Jahr 2009 im Fachbereich Medien / Kommunikation - Public Relations, Werbung, Marketing, Note: 2,0, Hochschule der Medien Stuttgart, Veranstaltung: TV-Vermarktung.
Verwandte Suchworte:
Data Kontext Mining TV Vermarktung Warehouses Der Informationsspeicher Data Warehouse und der Informationsverarbeitungsmethode Data Mining werden vorgestellt.
Es soll die Frage geklärt werden wie diese Instrumente im Kontext der TV-Vermarktung angewendet werden können.
Einführend werden einige grundlegende Begriffe erläutert.
Anschließend wird das Data Warehouse als strategisches Instrument definiert und die Architektur wird exemplarisch für die TV-Vermarktung beschrieben.
Der Schritt vom Data Warehouse zum CRMFF1FF wird beschrieben und es wird ein Blick auf den Stand der Implementierung von CRM bei TV-Sendern geworfen.
Im zweiten Teil der Ausführungen wird das Data Mining als eine Datenaufbereitungsmöglichkeit für Data Warehouses vorgestellt.
Weiterhin werden Anwendungsmöglichkeiten im Bereich TV erörtert.
Aktuelle Anwendungen werden kurz vorgestellt.
Abschließend wird das Thema Data Warehouses und Data Mining kritisch gewürdigt.
Studienarbeit aus dem Jahr 2009 im Fachbereich Medien / Kommunikation - Public Relations, Werbung, Marketing, Note: 2,0, Hochschule der Medien Stuttgart, Veranstaltung: TV-Vermarktung.
EUR 5.99
Dittrich, Jan: Data Warehouses und Data Mining im Kontext der TV-Vermarktung
Röger, Matthias: Konzeption und Realisierung eines Data Warehouses zur Analyse chirurgischer Workflows
Rueth, Christian: Einsatzmöglichkeiten von Data Warehouses im Privatkundengeschäft
