This event is history, please check out the List of Upcoming Seminars, or send us an email

Check out these related open workshops:

Check out our related in-house workshops:

 Leerdoelen

Waarom dit seminar ?

De klassieke datawarehouse architectuur bestaat uit een keten van databases, waaronder een staging area, het centrale datawarehouse en vaak vele datamarts, en waarbij gegevens door de keten heen gepompt worden met behulp van ETL programma's.

Deze architectuur heeft veel organisaties vele jaren goed gediend bij het ontwikkelen en draaien van BI-systemen. Maar is die populaire klassieke architectuur nog wel toereikend voor alle nieuwe gebruikerswensen en kan er wel optimaal gebruik gemaakt worden van nieuwe technologie voor gegevensanalyse en -opslag ?

De gebruiker van vandaag is niet te vergelijken met de gebruiker uit de tijd dat de klassieke datawarehouses werden opgezet. De huidige gebruikers willen onder andere:

• Zélf met rapportage-tools aan de slag
• Rechtstreeks toegang hebben tot bronsystemen
• Altijd actuele gegevens ter beschikking hebben
• Externe gegevens met interne gegevens combineren
• Korte levertijden voor rapportages
• Big data bronnen benaderen

Het integreren van self-service BI-producten met deze architectuur is niet evident en zeker niet als de gebruikers toegang tot de bronsystemen willen hebben. Het leveren van 100% up-to-date gegevens ter ondersteuning van operational BI, is lastig te implementeren. En hoe nemen we de nieuwe data storage technologïen, zoals Hadoop en NoSQL, op in de architectuur? Dit en andere gebruikerswensen zijn allemaal lastige vraagstukken indien een organisatie nog werkt met een klassieke architectuur.

Organisaties zullen zo langzamerhand moeten migreren naar een flexibelere architectuur waarbij sneller nieuwe gegevensbronnen aangekoppeld kunnen worden, self-service BI goed te ondersteunen is, waar Operational BI eenvoudig te implementeren is, waar het adopteren van nieuwe technologieën zoals Hadoop en NoSQL, relatief eenvoudig is, en de verwerking van big data geen technologische revolutie maar een evolutie is.

De architectuur die hierop antwoord geeft is de logische datawarehouse architectuur. Deze door Gartner geïntroduceerde architectuur, is gebaseerd op een ontkoppeling van rapportage en analyse enerzijds en gegevensbronnen anderzijds.

De technologie om een logisch datawarehouse te ontwikkelen is beschikbaar en vele organisaties hebben de migratie al succesvol uitgevoerd. Een dergelijke migratie verloopt geleidelijk en behelst een van stap-voor-stap proces en is geen mega-project waarbij alles in één grote stap vervangen moet worden.

In dit praktische seminar wordt de architectuur toegelicht en de producten besproken. Tevens wordt besproken hoe organisaties kunnen migreren van hun bestaande naar deze nieuwe architectuur. Tips en ontwerprichtlijnen worden gepresenteerd om te helpen deze migratie zo efficiënt mogelijk te laten verlopen.

Wat leert u tijdens dit seminar ?

• Wat zijn de praktische voordelen van de logische datawarehouse architectuur en wat zijn de verschillen met de klassieke architectuur
• Hoe kan een organisatie stap-voor-stap en succesvol naar deze flexibele logische datawarehouse architectuur toe migreren?
• Wat zijn de mogelijkheden en beperkingen van de diverse beschikbare producten?
• Hoe werken datavirtualisatieproducten?
• Hoe kan big data op een transparante wijze toegevoegd worden aan de bestaande BI-omgeving?
• Hoe kan self-service BI geïntegreerd worden met de klassieke vormen van BI?
• Hoe kan aan gebruikers toegang gegeven worden aan 100% up-to-date gegevens zonder dat operationele systemen verstoord worden?
• Wat zijn de real-life ervaringen van organisaties die reeds een logisch datawarehouse geïmplementeerd hebben?

Voor wie is dit seminar bestemd ?

Dit seminar is voor een ieder bestemd die vanuit zijn functie op de hoogte moet blijven van de ontwikkelingen op gebied van business intelligence en datawarehousing, zoals BI-architecten, business-analisten, datawarehouse- en databaseontwerpers, database-experts, consultants, technology planners, projectleiders en systeemanalisten.

Enige kennis van klassieke datawarehouse architecturen is vereist.

 Volledig Programma

Gepresenteerd door Rick van der Lans

• Big data integreren met bestaande gegevens en beschikbaar maken voor rapportage en analyse
• Ondersteunen van self-service BI en self-service data preparation
• Polyglot persistentie - het verwerken van gegevens opgeslagen in Hadoop en NoSQL systemen
• Operational Business Intelligence, ofwel analyseren van 100% up-to-date gegevens

2. Het logische datawarehouse

• De essentie: ontkoppeling van rapportage en gegevensbronnen
• Van batch-integratie naar on-demand integratie van gegevens
• De invloed op flexibiliteit en productiviteit - een verhoogd time-to-market voor rapporten
• Voorbeelden van organisaties

3. Implementeren van een logisch datawarehouse met datavirtualisatie servers

• Waarom datavirtualisatie?
• Marktoverzicht: Cirro Data Hub, Cisco Information Server, Denodo Platform, Informatica Data Services, RedHat JBoss Data Virtualization, Rocket en Stone Bond Enterprise Enabler
• Werken met niet-relationele data, zoals XML- en JSON-documenten, web services, NoSQL, en Hadoop data
• Het belang van een geïntegreerde business glossary en het centraliseren van metadata specificaties
• Performance verbeterende faciliteiten: Caching van virtuele tabellen, refreshing en optimalisatietechnieken

4. Migreren naar een logisch datawarehouse

• Een A-Z stappenplan
• Richtlijnen voor het ontwerpen van een logisch datawarehouse
• Drie verschillende aanpakken: outside-in, inside-out en middle-out
• De waarde van een canonical gegevensmodel
• Inregelen van beveiligingsaspecten
• Langzaam afbouwen van onderdelen van de bestaande architectuur
• De focus op het delen van metadata-specificaties voor integratie, transformatie en cleansing

5. Self-Service BI en het logische datawarehouse

• Waarom self-service BI kan leiden tot "report chaos"
• Centraliseren en hergebruiken van metadata-specificaties door middel van een logisch datawarehouse
• Het opwaarderen van self-service BI naar managed self-service BI
• Het implementeren van Gartner's BI-modal omgeving

6. Big Data en het logische datawarehouse

• Nieuwe gegevensopslagtechnologieën voor big data, waaronder Hadoop, MongoDB, Cassandra
• De opkomst van de polyglot persistente omgeving; ofwel elke applicatie een eigen optimale databasetechnologie
• Ontwerprichtlijnen om big data en het datawarehouse naadloos te integreren
• Big data is te "groot" om te kopiëren
• Het offloaden van koude data met behulp van een logisch datawarehouse

7. Implementeren Operational BI met een logisch datawarehouse

• Voorbeelden van operational reporting en operational analytics
• Uitbreiden van een logisch datawarehouse met operationele voor real-time analytics
• Het "streamen" van gegevens in a logisch datawarehouse
• De koppeling van datareplicatie en datavirtualisatie

8. Het logische datawarehouse en de omgeving

• Ontwerpprincipes voor het definiëren van datakwaliteitsregels in een logisch datawarehouse
• Hoe data preparation geïntegreerd kan worden met een logisch datawarehouse
• Verschuiving van taken in het BICC
• Welke nieuwe ontwikkel- en ontwerpvaardigheden zijn belangrijk?
• De invloed op het gehele ontwerp- en ontwikkelingstraject

9. Samenvatting en conclusies

 Sprekers

Questions about this ? Interested but you can't attend ? Send us an email !