Business intelligence (BI) handler om å aggregere og gruppere data for å gi brukeren en god og enkel oversikt over sine data og tall. Samt å kunne sette sammen ulike kilder til en sannhet. Og dermed få en rask oversikt på viktige tall/data uten å måtte lete igjennom flere ulike sider i ett (eller flere) kildesystem. Det ligger mye verdi i sammensatte data, som kan hentes ut i en BI løsning.
Datavisualiseringer er en god måte for å kunne se data og sammenligninger på en rask måte. Ved å forstå sine egne data kan man også enklere ta avgjørelser, og mange slike løsninger blir derfor brukt for virksomhetsstyring. Et godt brukergrensesnitt er en viktig ingrediens for å få ut potensialet i en BI løsning.
Både ustrukturerte og strukturerte data kan inngå i en analyse. Ved å sette sammen ulike kilder kan man også se sammenhenger i dataene man normalt ikke ser. Det åpner mange muligheter.
Business intelligence (BI) is about aggregating and grouping data to give the user a good and simple overview of their data and figures. As well as being able to combine different sources into a truth. And thus get a quick overview of important figures/data without having to search through several different pages in one (or more) source system. There is a lot of value in composite data, which can be extracted in a BI solution.
Data visualizations are a good way to quickly see data and comparisons. By understanding your own data, you can also make decisions more easily, and many such solutions are therefore used for business management. A good user interface is an important ingredient for realizing the potential of a BI solution.
Both unstructured and structured data can be included in an analysis. By putting together different sources, you can also see connections in the data that you normally don't see. It opens up many possibilities.
Vi hjelper organisasjonen til å dra nytte av informasjon i BI-løsningen og øke innsikten.
Datics har flere seniorkonsulenter med lang erfaring innenfor database, datavarehus og BI, spesielt på Oracle-teknologi. Vi kan tilby både teknisk, og forretningsmessig rådgiving for å implementere eller videreutvikle kundens løsning.
We help the organization to take advantage of information in the BI solution and to increase insight.
Datics has several senior consultants with extensive experience in databases, data warehouses and BI, especially in Oracle technology. We can offer both technical and business advice to implement or further develop the customer's solution.
Databasen til Oracle er markedsledende og grunnstenen i kundenes IT-infrastruktur. Oracle databaser benyttes av nær sagt alle våre kunder, både på lokale servere og i sky. Nøkkelord som gjør Oracle til verdens største database er skalerbarhet, ytelse, fleksibilitet, sikkerhet og tilgjengelighet. Du kan begynne i det små for eksempel med Oracle på en Windows server og vokse i «uendelighet» på Linux, Unix og i sky. Oracle har også innebygd funksjonalitet for analytiske queries, Artificial Intelligence og Machine Learning.
Andre databaser vi arbeider med er SQL Server og Postgresql, de er ofte forkommende som kilder i datavarehusene vi utvikler, sammen med for eksempel web services, XML og JSON.
Datics har flere database administratorer som har lang erfaring i installasjon, ytelsesforbedringer, utviklingsstøtte og optimal konfigurasjon av databaser for ulike formål.
Oracle's database is the market leader and the cornerstone of the customers' IT infrastructure. Oracle databases are used by nearly all our customers, both on local servers and in the cloud. Keywords that make Oracle the world's largest database are scalability, performance, flexibility, security and availability. You can start small, for example, with Oracle on a Windows server and grow "infinitely" on Linux, Unix and in the cloud. Oracle also has built-in functionality for analytical queries, artificial intelligence and machine learning.
Other databases we work with are SQL Server and Postgresql, they are often available as sources in the data warehouses we develop, together with e.g. web services, XML and JSON.
Data has several database administrators who have extensive experience in installation, performance improvements, development support and optimal configuration of databases for various purposes.
ETL (Exctract Transform Load) eller ELT (Exctract Load Transform) beskriver metoden for å hente data ut fra kildetabeller og transformere dette til datavarehuset.
Datavarehuset kan være enkelt eller i flere lag (layers). Som regel ender dette i en datamart med fakta og dimensjoner som igjen bruker i BI løsningen. Grunnen til at man lager fakta og dimensjoner er for å ha en riktig grad av granularitet mellom tabeller og at det gir en langt bedre ytelse siden det typisk er en kobling mellom fakta-tabell og dimensjoner. Denne koblingen mellom fakta og dimensjon bør også ha en (og ikke flere) KEY som gjør oppslaget enklere og raskere. Dette kan også løses med en surrogatnøkkel, som kan være et generert tall som finnes i både fakta og dimensjonstabell.
En transformasjon kan endre logikken eller data som kommer ut i forhold til det som ligger i kildetabellen. Eller at det lages tall som ikke finnes i kildetabell, men som man ønsker å legge til rette for i datamarten/faktatabellen. En god regel er at man ikke skal rette data som kommer fra kildetabellen, men gjøre retting/endring på eventuelle feil data i kildesystemet.
ETL (Extract Transform Load) or ELT (Extract Load Transform) describes the method for retrieving data from source tables and transforming this into the data warehouse.
The data warehouse can be single or in several layers (layers). As a rule, this ends up in a data mart with facts and dimensions that are in turn used in the BI solution. The reason why you create facts and dimensions is to have the right degree of granularity between tables and that it gives a far better performance since the typical thing is a link between fact table and dimensions. This link between fact and dimension should also have one (and not more) KEY that makes the lookup easier and faster. This can also be solved with a surrogate key, which can be a generated number found in both facts and dimension tables.
A transformation can change the logic or data that comes out compared to what is in the source table. Or that numbers are created which are not found in the source table, but which you want to make provision for in the data mart/fact table. A good rule is that you should not correct data that comes from the source table, but make corrections/changes to any erroneous data in the source system.
Business intelligence (BI) handler om å aggregere og gruppere data for å gi brukeren en god og enkel oversikt over sine data og tall. Samt å kunne sette sammen ulike kilder til en sannhet. Og dermed få en rask oversikt på viktige tall/data uten å måtte lete igjennom flere ulike sider i ett (eller flere) kildesystem. Det ligger mye verdi i sammensatte data, som kan hentes ut i en BI løsning.
Datavisualiseringer er en god måte for å kunne se data og sammenligninger på en rask måte. Ved å forstå sine egne data kan man også enklere ta avgjørelser, og mange slike løsninger blir derfor brukt for virksomhetsstyring. Et godt brukergrensesnitt er en viktig ingrediens for å få ut potensialet i en BI løsning.
Både ustrukturerte og strukturerte data kan inngå i en analyse. Ved å sette sammen ulike kilder kan man også se sammenhenger i dataene man normalt ikke ser. Det åpner mange muligheter.
Business intelligence (BI) is about aggregating and grouping data to give the user a good and simple overview of their data and figures. As well as being able to combine different sources into a truth. And thus get a quick overview of important figures/data without having to search through several different pages in one (or more) source system. There is a lot of value in composite data, which can be extracted in a BI solution.
Data visualizations are a good way to quickly see data and comparisons. By understanding your own data, you can also make decisions more easily, and many such solutions are therefore used for business management. A good user interface is an important ingredient for realizing the potential of a BI solution.
Both unstructured and structured data can be included in an analysis. By putting together different sources, you can also see connections in the data that you normally don't see. It opens up many possibilities.
Vi hjelper organisasjonen til å dra nytte av informasjon i BI-løsningen og øke innsikten.
Datics har flere seniorkonsulenter med lang erfaring innenfor database, datavarehus og BI, spesielt på Oracle-teknologi. Vi kan tilby både teknisk, og forretningsmessig rådgiving for å implementere eller videreutvikle kundens løsning.
We help the organization to take advantage of information in the BI solution and to increase insight.
Datics has several senior consultants with extensive experience in databases, data warehouses and BI, especially in Oracle technology. We can offer both technical and business advice to implement or further develop the customer's solution.
Databasen til Oracle er markedsledende og grunnstenen i kundenes IT-infrastruktur. Oracle databaser benyttes av nær sagt alle våre kunder, både på lokale servere og i sky. Nøkkelord som gjør Oracle til verdens største database er skalerbarhet, ytelse, fleksibilitet, sikkerhet og tilgjengelighet. Du kan begynne i det små for eksempel med Oracle på en Windows server og vokse i «uendelighet» på Linux, Unix og i sky. Oracle har også innebygd funksjonalitet for analytiske queries, Artificial Intelligence og Machine Learning.
Andre databaser vi arbeider med er SQL Server og Postgresql, de er ofte forkommende som kilder i datavarehusene vi utvikler, sammen med for eksempel web services, XML og JSON.
Datics har flere database administratorer som har lang erfaring i installasjon, ytelsesforbedringer, utviklingsstøtte og optimal konfigurasjon av databaser for ulike formål.
Oracle's database is the market leader and the cornerstone of the customers' IT infrastructure. Oracle databases are used by nearly all our customers, both on local servers and in the cloud. Keywords that make Oracle the world's largest database are scalability, performance, flexibility, security and availability. You can start small, for example, with Oracle on a Windows server and grow "infinitely" on Linux, Unix and in the cloud. Oracle also has built-in functionality for analytical queries, artificial intelligence and machine learning.
Other databases we work with are SQL Server and Postgresql, they are often available as sources in the data warehouses we develop, together with e.g. web services, XML and JSON.
Data has several database administrators who have extensive experience in installation, performance improvements, development support and optimal configuration of databases for various purposes.
ETL (Exctract Transform Load) eller ELT (Exctract Load Transform) beskriver metoden for å hente data ut fra kildetabeller og transformere dette til datavarehuset.
Datavarehuset kan være enkelt eller i flere lag (layers). Som regel ender dette i en datamart med fakta og dimensjoner som igjen bruker i BI løsningen. Grunnen til at man lager fakta og dimensjoner er for å ha en riktig grad av granularitet mellom tabeller og at det gir en langt bedre ytelse siden det typisk er en kobling mellom fakta-tabell og dimensjoner. Denne koblingen mellom fakta og dimensjon bør også ha en (og ikke flere) KEY som gjør oppslaget enklere og raskere. Dette kan også løses med en surrogatnøkkel, som kan være et generert tall som finnes i både fakta og dimensjonstabell.
En transformasjon kan endre logikken eller data som kommer ut i forhold til det som ligger i kildetabellen. Eller at det lages tall som ikke finnes i kildetabell, men som man ønsker å legge til rette for i datamarten/faktatabellen. En god regel er at man ikke skal rette data som kommer fra kildetabellen, men gjøre retting/endring på eventuelle feil data i kildesystemet.
ETL (Extract Transform Load) or ELT (Extract Load Transform) describes the method for retrieving data from source tables and transforming this into the data warehouse.
The data warehouse can be single or in several layers (layers). As a rule, this ends up in a data mart with facts and dimensions that are in turn used in the BI solution. The reason why you create facts and dimensions is to have the right degree of granularity between tables and that it gives a far better performance since the typical thing is a link between fact table and dimensions. This link between fact and dimension should also have one (and not more) KEY that makes the lookup easier and faster. This can also be solved with a surrogate key, which can be a generated number found in both facts and dimension tables.
A transformation can change the logic or data that comes out compared to what is in the source table. Or that numbers are created which are not found in the source table, but which you want to make provision for in the data mart/fact table. A good rule is that you should not correct data that comes from the source table, but make corrections/changes to any erroneous data in the source system.
