O'Reilly logo

Stay ahead with the world's most comprehensive technology and business learning platform.

With Safari, you learn the way you learn best. Get unlimited access to videos, live online training, learning paths, books, tutorials, and more.

Start Free Trial

No credit card required

Agile Business Intelligence

Book Description

  • erstes Buch zu Agile Business Intelligence - praxisorientiert mit vielen Fallstudien- Thema Agile BI ist gerade hoch aktuell bei der Zielgruppe- Herausgeber und beitragende Autoren sind in der BI-/TDWI-Community sehr bekannt

Table of Contents

  1. Cover
  2. Titel
  3. Impressum
  4. Geleitwort
  5. Vorwort
  6. Kapitel 1: Agile Business Intelligence
    1. 1.1 Einleitung
    2. 1.2 BI-Agilität und Agile Business Intelligence
    3. 1.3 Werte und Prinzipien für Agile Business Intelligence
      1. 1.3.1 Werte
      2. 1.3.2 Prinzipien
    4. 1.4 Maßnahmen zur Steigerung der BI-Agilität
      1. 1.4.1 Agile Methoden und klassische Vorgehensmodelle
      2. 1.4.2 Organisatorische Maßnahmen
      3. 1.4.3 Wechselwirkungen zwischen Maßnahmen und Unternehmen
    5. 1.5 Struktur des Buches
    6. 1.6 Ausblick
  7. Kapitel 2: Einsatz von Scrum in der Business Intelligence
    1. 2.1 Einordnung von Scrum
      1. 2.1.1 Das 3x3 in Scrum
      2. 2.1.2 Ablauf eines Sprints
      3. 2.1.3 Selbstorganisation des Teams
      4. 2.1.4 Pro Scrum
    2. 2.2 Besonderheiten von Business Intelligence und deren Auswirkungen auf Scrum
    3. 2.3 Anpassung von Scrum
      1. 2.3.1 Maßnahmen in der Gesamtorganisation
      2. 2.3.2 Allgemeine organisatorische Maßnahmen
      3. 2.3.3 Maßnahmen im BI-Team
    4. 2.4 Folgen der Umsetzung von Scrum
      1. 2.4.1 Projektleitung
      2. 2.4.2 Planungsaspekte in der IT-Gesamtorganisation
      3. 2.4.3 Planung und Priorisierung in Querschnittteams
      4. 2.4.4 Architekturgremium
      5. 2.4.5 Communitys
      6. 2.4.6 Weiterbildung der Mitarbeiter
      7. 2.4.7 Technologieaspekte
    5. 2.5 Erfolgsfaktoren und Auswirkungen
    6. 2.6 Herausforderungen
  8. Kapitel 3: Anforderungsmanagement durch User Stories
    1. 3.1 Anforderungsmanagement in agilen BI-Projekten
    2. 3.2 Business-Intelligence-Anforderungen als User Stories
      1. 3.2.1 Was sind User Stories?
      2. 3.2.2 Gute User Stories erstellen
      3. 3.2.3 Planen und Schätzen
      4. 3.2.4 Akzeptanzkriterien und Tests
    3. 3.3 Fazit
  9. Kapitel 4: Modellierung agiler BI-Systeme
    1. 4.1 Business-Intelligence-Architektur
      1. 4.1.1 Schichtenmodell der BI-Architektur
      2. 4.1.2 Modellierung des Core Data Warehouse
    2. 4.2 Star-Schema-Modellierung im Core Data Warehouse
      1. 4.2.1 Granulare Star-Schemata im Core Data Warehouse
      2. 4.2.2 Bewertung dimensionaler Modelle im Core Data Warehouse
    3. 4.3 3NF-Modelle im Core Data Warehouse
      1. 4.3.1 Core-Data-Warehouse-Modellierung in 3NF
      2. 4.3.2 Historisierungsaspekte von 3NF-Modellen
      3. 4.3.3 Domänenkonzepte im 3NF-Modell
      4. 4.3.4 Bewertung der 3NF-Modellierung im Core Data Warehouse
    4. 4.4 Data-Vault-Ansatz
      1. 4.4.1 Tabellentypen im Data-Vault-Modell
      2. 4.4.2 Zeitstempel und Formen der Historisierung
      3. 4.4.3 Harmonisierung von fachlichen Schlüsseln
      4. 4.4.4 Bewertung der Data-Vault-Methode
    5. 4.5 Fazit
  10. Kapitel 5: Data Vault für agile Data-Warehouse-Architekturen
    1. 5.1 3. Normalform, Dimensional und Data Vault
    2. 5.2 Automatisierung
    3. 5.3 Geschäftsregeln
    4. 5.4 Agile Business Intelligence
    5. 5.5 Data Vault in der Praxis – eine exemplarische Darstellung
    6. 5.6 Fazit
  11. Kapitel 6: Agile BI-Architekturen
    1. 6.1 Einleitung
    2. 6.2 Klassische BI-Architekturkomponenten und BI-Agilität
    3. 6.3 Neue Architekturkomponenten und BI-Agilität
      1. 6.3.1 Sandboxes
      2. 6.3.2 Engines
      3. 6.3.3 Bypässe
    4. 6.4 Architekturansätze zum Umgang mit BI-Agilität
      1. 6.4.1 Dezentralisierter Ansatz mit hohen Freiheitsgraden
      2. 6.4.2 Autoritärer Ansatz
      3. 6.4.3 Unüberwachter Sandbox-Ansatz
      4. 6.4.4 Serviceorientierter Ansatz
      5. 6.4.5 Serviceorientierter Ansatz mit werkzeuggestützten Sandboxes
      6. 6.4.6 Einordnung der Architekturansätze
    5. 6.5 Fazit
  12. Kapitel 7: Automatisiertes Testen
    1. 7.1 Die Notwendigkeit von BI Testing
    2. 7.2 Ziel von BI Testing
      1. 7.2.1 Der fundamentale Testprozess
      2. 7.2.2 Die Teststufen
      3. 7.2.3 Die Testarten und die Softwarequalitätsmerkmale
      4. 7.2.4 Die Testobjekte in BI-Systemen
      5. 7.2.5 Der BI Testing Cube
    3. 7.3 Das Problem der Testautomatisierung von BI Testing
      1. 7.3.1 Was lässt sich beim Testen automatisieren?
      2. 7.3.2 Übersicht über Werkzeuge zur automatisierten Testdurchführung
    4. 7.4 Fazit
  13. Kapitel 8: Technologien, Architekturen und Prozesse
    1. 8.1 Problemstellung
    2. 8.2 Lösungsansatz
      1. 8.2.1 Agile Methodik in Business-Intelligence-Projekten
      2. 8.2.2 Grundsätze für Agile BI
      3. 8.2.3 Anforderungen an eine Agile-BI-Architektur
      4. 8.2.4 Architekturansatz
      5. 8.2.5 Agile Datenbereitstellung
    3. 8.3 Fazit
      1. 8.3.1 Datenverständnis
      2. 8.3.2 Architekturerweiterung
  14. Kapitel 9: BI-Agilität: Relevanz, Anforderungen und Maßnahmen
    1. 9.1 BI-Agilität als vielschichtige Herausforderung
    2. 9.2 BI-Agilität: Kontext und Relevanz
    3. 9.3 Die Natur von BI-Agilitätsanforderungen
    4. 9.4 Ansatz zur Identifikation und Selektion von BI-Agilitätsmaßnahmen
      1. 9.4.1 Identifikation, Klassifikation und Priorisierung von BI-Agilitätsanforderungen
      2. 9.4.2 Ableitung von Maßnahmen zur Steigerung der BI-Agilität
      3. 9.4.3 Evaluation und Selektion von Maßnahmenbündeln
    5. 9.5 Aktuelle Trends und ihre Agilitätsrelevanz
      1. 9.5.1 In-Memory-BI
      2. 9.5.2 Big Data
      3. 9.5.3 Cloud-BI
    6. 9.6 Fazit
  15. Kapitel 10: Agil und dezentral zum Enterprise Data Warehouse
    1. 10.1 Die Landesbank Hessen-Thüringen – Helaba
    2. 10.2 Auslöser und Ziele des BI-Projekts
      1. 10.2.1 Ziele, Lösungsansatz und erwarteter Nutzen
      2. 10.2.2 Projektpartner und zukünftige Nutzer
      3. 10.2.3 Architektur des Enterprise Data Warehouse
      4. 10.2.4 Projektmanagement und Change Management
      5. 10.2.5 Beschreibung der BI-Organisation
    3. 10.3 Maßnahmen zur Erhöhung der BI-Agilität
      1. 10.3.1 Verzahnung von Kanban und Sprints
      2. 10.3.2 Prinzipien
    4. 10.4 Erfahrungen und Erfolgsfaktoren
      1. 10.4.1 Realisierter Nutzen und bewirkte Veränderungen
      2. 10.4.2 Reflexion der Barrieren und Erfolgsfaktoren
    5. 10.5 Fazit
  16. Kapitel 11: Agile BI bei congstar
    1. 11.1 congstar
    2. 11.2 Ausgangssituation und Ziele des Projekts
      1. 11.2.1 Ausgangssituation
      2. 11.2.2 Gründe für das Scheitern einer klassischen Projektmethode
      3. 11.2.3 Ziele des Data-Warehouse-Projekts bei congstar
    3. 11.3 Projektablauf und Betrieb
      1. 11.3.1 Das Data-Warehouse-Team
      2. 11.3.2 Anwender des congstar Data Warehouse
      3. 11.3.3 Architektur des congstar Data Warehouse
    4. 11.4 Projektvorgehen
      1. 11.4.1 Ablauf eines Sprints bei congstar
      2. 11.4.2 Schnitt einer User Story
      3. 11.4.3 Technologie
      4. 11.4.4 Besonderheiten im congstar Data Warehouse
    5. 11.5 Fazit
      1. 11.5.1 Warum das DWH-Projekt bei congstar erfolgreich ist
      2. 11.5.2 Lessons Learned
  17. Kapitel 12: Einführung von agilen Methoden im Coaching
    1. 12.1 Unternehmen
    2. 12.2 Ausgangssituation und Ziele des BI-Projekts
    3. 12.3 Vom klassischen Projektvorgehen zur Kombination von agiler und klassischer Methodik
      1. 12.3.1 Erste Projektphase: Klassische Projektmethodik und -architektur
      2. 12.3.2 Zweite Projektphase: Kombination von agiler und klassischer Methodik
    4. 12.4 Fazit
  18. Kapitel 13: In-Memory-Technologie als Enabler für Agile BI
    1. 13.1 In-Memory-Technologien und Agile BI
    2. 13.2 SAP Business Warehouse
      1. 13.2.1 Allgemein
      2. 13.2.2 SAP BW und In-Memory
      3. 13.2.3 BW Workspaces
    3. 13.3 Anwendungsfälle für BW Workspaces
      1. 13.3.1 Lokale Erweiterung von Stamm- und Bewegungsdaten für das Flottenmanagement
      2. 13.3.2 Rapid Prototyping als Interimslösung und zur Validierung
      3. 13.3.3 Spezielle Projektberichte
      4. 13.3.4 Nutzung als Self-Service-BI-Plattform
    4. 13.4 Maßnahmen zur Erhöhung der BI-Agilität
      1. 13.4.1 Technische Maßnahmen
      2. 13.4.2 Delivery und Lebenszyklus
      3. 13.4.3 Weitere Funktionen in SAP BW zur Erhöhung der BI-Agilität
    5. 13.5 Erfahrungen und Erfolgsfaktoren
      1. 13.5.1 Realisierter Nutzen und bewirkte Veränderungen
      2. 13.5.2 Reflexion der Barrieren und Erfolgsfaktoren
    6. 13.6 Fazit
  19. Kapitel 14: DevOps für Business Intelligence
    1. 14.1 Warum ist das DWH für congstar so wichtig?
    2. 14.2 Die DWH-Architektur bei congstar
    3. 14.3 Einführung in DevOps für Business Intelligence
    4. 14.4 Werte des Entwicklungsteams weitertragen
    5. 14.5 Testmethodiken und Deployments
    6. 14.6 Gemeinsame Deployments
      1. 14.6.1 Automatisierte Datenbank-Deployments
      2. 14.6.2 Automatisierte ETL-Deployments
      3. 14.6.3 Testinfrastruktur
    7. 14.7 Wenn es darauf ankommt: Troubleshooting
      1. 14.7.1 Migration auf Tablespace mit Uniform Extent Size
      2. 14.7.2 Konfigurative Eingriffe im Produktionssystem
      3. 14.7.3 Datenbankanonymisierungen
      4. 14.7.4 Monitoring-Berichte
      5. 14.7.5 Restartmechanismen
      6. 14.7.6 Backup und Recovery der Oracle-Datenbank
      7. 14.7.7 Kapazitätsplanung
    8. 14.8 Fazit
  20. Kapitel 15: Big Data und BI-Agilität im Marketing
    1. 15.1 Auslöser und Ziele des Big-Data-Projekts
    2. 15.2 Aufbau und Betrieb der Big-Data-Plattform
      1. 15.2.1 Projektmanagement mit Scrum
      2. 15.2.2 Architektur der Big-Data-Plattform
      3. 15.2.3 Continuous Delivery
    3. 15.3 Ein Beispiel für agile Datenanalyse
      1. 15.3.1 Zusammenspiel der Big-Data-Plattform mit dem BI-Tool
      2. 15.3.2 Exploratives Vorgehen
    4. 15.4 Fazit
  21. Autoren
  22. Abkürzungsverzeichnis
  23. Literaturverzeichnis
  24. Index
  25. Fußnoten