Marketing Analytics – Daten analysieren, Kunden gewinnen

0

Marketing-Analytics_DashboardDaten sind das neue Öl. Sie helfen Unternehmen, im Markt erfolgreich zu sein. Als Nutzer verschiedener IT-Anwendungen erzeugen wir permanent Daten: Jeder Einkauf in einem Online-Shop, jeder Klick in einem Online-Game, jede Aktivität in sozialen Netzwerken erzeugt neue Daten. Man spricht hier von Big Data: Die traditionellen IT-Systeme geraten an ihre Grenzen oder haben Schwierigkeiten, die stark wachsenden Datenberge zu speichern und zu verarbeiten.  zum Artikel

Die neue Realität: Erweiterung des Data Warehouse um Hadoop, NoSQL & Co. Teil 4: Big Data-Technologien im Zusammenspiel

2

Big-Data-SchildZum Abschluss unserer kleinen Blogserie über die Grenzen des Data Warehouse und neue Möglichkeiten mit Big Data-Technologien widmen wir uns dem Zusammenspiel dieser beiden Komponenten. Denn Big Data-Technologien werden im Unternehmen nicht nur isoliert genutzt, sondern auch im Zusammenspiel mit herkömmlichen Business Intelligence(BI)-Methoden.  zum Artikel

Die neue Realität: Erweiterung des Data Warehouse um Hadoop, NoSQL & Co – Teil 1: Das Data Warehouse und seine Grenzen

2
Klassisches Data Warehouse (Quelle Pentaho)

Klassisches Data Warehouse (Quelle Pentaho)

Seit vielen Jahren setzen Unternehmen auf Technologien zur Datenintegration und auf ein Data Warehouse, um ihre Unternehmensprozesse zu optimieren. Denn in den Datenbergen ihrer IT-Systeme liegt wertvolles Wissen und ein enormes Potential verborgen. Mit Business Intelligence Werkzeugen lässt es sich zutage fördern. Allerdings produzieren Unternehmen immer schneller immer mehr Daten und benötigen gleichzeitig Auswertungen in immer kürzeren Intervallen. Der klassische Data Warehouse-Ansatz stößt da an seine Grenzen. Big Data-Technologien versprechen Abhilfe und eine Modernisierung des althergebrachten Data Warehouse-Konzepts.  zum Artikel

Die neue Realität

1
Big Data-Technologien: Hadoop, NoSQL-Datenbanken und analytische Datenbanken

Trotz der mittlerweile überwältigenden Anzahl von Big Data-Technologien hat das Konzept des Data Warehouse nicht ausgedient.

Etwas angestaubt und in die Jahre gekommen wirkt das Konzept des Data Warehouse in Zeiten von Big Data, MapReduce und NoSQL. Dabei besitzt eine standardisierte, für Analysen optimierte und zentrale Datenbasis größere Aktualität als zu den Anfangszeiten des Data Warehouse-Ansatzes: Für eine stetig steigende Anzahl an Unternehmen sind Daten ein wertvoller Rohstoff. Diesen Rohstoff gilt es zu Informationen zu veredeln, um Entscheidungsprozesse zu unterstützen und Wettbewerbsvorteile zu erzielen.  zum Artikel