SAP Big Data Forum 2013 C1 Dick Kriens - Audax

431 views
274 views

Published on

1 Comment
1 Like
Statistics
Notes
  • n.a.v Dia 8.

    Wat bedoelde je daar mee met beperkte fexibilitet bij nieuwe informatie behoefte, Beperkte tooling alleen B.B Webi en slechte performance? en hoe heeft In memory computing je gehopen.

    Zou je de inhoude van deze Dia meer willen uitleggen?
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
No Downloads
Views
Total views
431
On SlideShare
0
From Embeds
0
Number of Embeds
3
Actions
Shares
0
Downloads
13
Comments
1
Likes
1
Embeds 0
No embeds

No notes for slide

SAP Big Data Forum 2013 C1 Dick Kriens - Audax

  1. 1. Waarom ging Audax In-Memory? 10 oktober 2013 Dick Kriens – Manager ICT Development
  2. 2. Vraag van vandaag Is In-Memory Computing ook iets voor Uw bedrijf? 10 oktober 2013
  3. 3. Wat is Audax?  Familiebedrijf in het media marktsegment  4 vestigingen in de Benelux  1.100 medewerkers  300 miljoen euro omzet 10 oktober 2013
  4. 4. De Audax Organisatie 10 oktober 2013
  5. 5. Oude BI omgeving 10 oktober 2013
  6. 6. Datamarts  Losse Verkoop van tijdschriften  Abonnementen op tijdschriften  Kassabonnen  Grootboekmutaties 10 oktober 2013
  7. 7. Informatiebehoefte  Standaard rapportages  KPI rapportages  Ad-hoc rapportages 10 oktober 2013
  8. 8. Beperkingen  Beperkte flexibiliteit bij nieuwe informatie behoefte  Beperkte tooling alleen B.O. Webi  Slechte performance 10 oktober 2013
  9. 9. Mogelijke oplossingen  Heroriëntatie gebruik SAP Business Objects  In-memory computing  SAP Hana / B.O. 4.0 / BODI 4.0. 10 oktober 2013
  10. 10. Proof of Concept: SAP HANA  Missie:  Toon aan dat “zonder” vertraging op de “kale” kassa data van AKO geanalyseerd kan worden. 10 oktober 2013
  11. 11. Proof of Concept: SAP HANA  Missie:  Toon aan dat “zonder” vertraging op de “kale” kassa data van AKO geanalyseerd kan worden.  Resultaat na 2 weken:  Met B.O. Data Explorer konden 50 miljoen kassaregels, binnen 2 seconden, ad-hoc geanalyseerd worden uit de SAP Hana database 10 oktober 2013
  12. 12. Business Case  Baten bij business  Baten bij ICT afdeling  De basis voor meer…. 10 oktober 2013
  13. 13. In-memory motivatie  Geschikt voor grote data volumes en complexe queries  Veel analyses zijn eenmalig  “Van het analyseren van je data, leer je van je data” 10 oktober 2013
  14. 14. Road Map Implementatie AKO  Aanschaf licenties 31-12-2012  Levering ingerichte server 29-01-2013  Inrichting SAP HANA datamodel 01-03-2013  Ontwikkeling BODI loaders 15-04-2013  Realiseren nieuwe universe 01-05-2013  Omzetten rapportages 01-09-2013 10 oktober 2013
  15. 15. Nieuwe BI omgeving AKO 10 oktober 2013
  16. 16. Lessons learned  Modelleren in SAP Hana moet je leren  Slechte rapporten zijn zelfs in SAP Hana niet snel  Omzetten van rapporten heeft veel meer tijd gekost dan verwacht  SAP SLT server is nieuw, dus heeft kinderziektes 10 oktober 2013
  17. 17. Conclusie SAP Hana heeft volledig aan onze verwachtingen voldaan! 10 oktober 2013
  18. 18. Vragen 10 oktober 2013

×