SlideShare a Scribd company logo
1 of 21
«НАУЧУ СЛОНА ТАНЦЕВАТЬ»
Г. ГРЕФ
Что вы узнаете из этой презентации
 Решение для Сбербанка
 Краткий обзор лидеров рынка хранилищ данных и
аналитических приложений
 Преимущества аналитического приложения
SAP BusinessObjects
 Преимущества архитектуры Teradata
 Эффект синергии Teradata + SAP BusinessObjects
Текущая ситуация
 Оргструктура Сбербанка:
17 Теритоиальных банков
19200 Отдеделиний
 Приобретения и объединения:
VOLKSBANK International
DenizBank
Troika Dialog
Cetelem, BNP Paribas Group
 Сбербанк входит в ТОП-50 крупнейших
банков мира.
Что нужно для достижения цели?
РЕШЕНИЕ
КОМАНДА
ФИНАНСЫ
SAP BusinessObjects и Teradata
Команда профессионалов
ориентированных на достижение
высокого результата
Средства на реализацию своих
целей и планов
ЦЕЛЬ
Масштабируемая и
производительная
аналитическая система
для управления крупным
банком
Текущая
архитектура
Новая
архитектура
Консистентные
данные
Экономия на
поддержке
Фрагментированные данные
Высокая стоимость поддержки
Обзор рынка– Платформы для хранилищ данных
• Квадрант по платформам для хранилищ данных, 2012
• Источник: Gartner, Inc.
07/08/13 6
Терадата
продолжает
лидировать среди
платформ для
хранилищ данных
07/08/13 7
Обзор рынка– BI Платформы
• Квадрант по платформам для аналитических приложений(BI), 2012
• Источник: Gartner, Inc.
SAP продолжает
уверенно двигаться
вперед как лидер и
дальновидный
игрок в BI
пространстве
Некоторые из клиентов
Teradata и SAP BusinessObjects
07/08/13 8
Teradata & SAP – 14 лет совместного успеха
• SAP является лидером среди
бизнес ПО, с более чем 45,000
клиентов по всему миру
• Teradata является
абсолютным лидером среди
платформ для хранилищ
данных
• 50% из “ТОП 100” мировых
компаний используют Teradata
• Teradata продолжает быть
стратегическим партнером SAP
• Партнерство с1998 - 300+
общих мировых клиентов
07/08/13 9
Архитектура решения
Teradata и SAP Business Objects
07/08/13 10
ETL решение
Уровень
Хранения
данных
Уровень
трансфор-
мации
данных
Нестандартные
запросы:
Web Intelligence
Xcelsius
Dashboards
Регламентная
отчетность:
Crystal Reports
Решения для
мобильных
устройств:
SAP Mobile BI
SAP BusinessObjects Enterprise Server
Teradata
Все источники данныхВсе источники данных
Уровень для
работы
бизнес-
пользо-
вателей
Уровень
исходных
данных
Технические особенности Teradata
11 >
SMP Node1 SMP Node2 SMP Node3 SMP Node4
CPU1 CPU2 CPU1 CPU2 CPU1 CPU2 CPU1 CPU2
Два коммутатора Teradata BYNET
Memory Memory Memory Memory
Консоль
 Преимущества Teradata:
Массивно-паралелльная
обработка данных (MPP)
Shared nothing архитектура
Линейно масштабируемая
архитектура без деградации
производительности
Уровень надежности ПО до
99,999%, за счет
резервирования всех
возможных точек системы,
чувствительных к возможным
сбоям
Стоимостный оптимизатор
запросов
Индексирование
температуры данных
Поколоночное
секционирование
Малая стоимость работ
администратора БД
Если по-простому
До терадаты: Вместе с терадатой:
Индустриальные модели данных
 Преимущества готовой модели
Инструментарий по работе с моделью
Накопленная экспертиза
Быстрое внедрение
Высокая производительность
Best Practice
Визуализация
данных и
дашборды
Как я могу
визуализировать
данные для
принятия лучших и
быстрых решений?
Как я могу быстро
ответить на
интересующий меня
вопрос и
взаимодействовать с
информацией
Интерактивная
отчетность
Исследование
данных
Как я могу
немедленно
получить на
интересующий меня
бизнес вопрос?
Как я могу эффективно
использовать данные в
офисных приложениях?
Офисные
приложения
Регламентная
отчетность
Мобильные
решения
Как я могу получить
доступ к данным со
своего мобильного
решения?
Xcelsius
Dashboards
Web Intelligence ExplorerLive OfficeCrystal Reports SAP Mobile BI
SAP BusinessObjects BI для пользователей
07/08/13 14
BI платформаBI платформа
Лучшее клиентское приложение для всевозможных нужд пользователей
Как я могу создать
регламентированную
отчетность для
отправки в ЦБ РФ?
 Легкость развертывания
 Масштабируемость
 Производительность
 Открытость к любым источникам данных
 Ориентация решения на бизнес-пользователей
 Простота и оперативность построения отчетности
 Сотрудникам не требуется знание IT
 Гибкое построение информационных панелей
Почему Teradata и SAP BusinessObjects?
 Лучшие в своем классе:
SAP лидер на рынке BI приложений
Teradata лидер на рынке решений платформ для хранилищ
данных.
 Раскрытие ценности корпоративных данных
Увеличение ценности данных для анализа и принятия быстрых
управленческих решений.
Сокращение время подготовки отчетов и ускорение процесса
получения информации
 Teradata как платформа для SAP решений:
Снижение сложности и стоимости всей BI архитектуры
Простота интеграции SAP приложений с мощью и
масштабируемостью Teradata.
Интеграция Teradata в структуру клиентской поддержки SAP.
07/08/13 15
Почему мы?
 Десятки успешных внедрений
 Огромная экспертиза в финансовой индустрии
 Успешный опыт работы с гигантскими объемами данных
 Сертифицированные специалисты
 Опыт внедрения систем в финансовой индустрии
 Клиент-ориентированный подход
 Постоянную техническую поддержка и передача знаний
 Эффективное взаимодействие между вашими работниками,
процессами и технологией
 Эффективная обработка больших объемов данных
 Экономически целесообразная, масштабируемая техническая и
программная платформа, которая способна соответствовать
сегодняшним и будущим потребностям вашего банка
Экспертиза
Люди
Программное
обеспечение
Потому что:
Преимущества Teradata для SAP BusinessObjects BI
07/08/13 17
Агрегирование
метрик на
стороне БД
Агрегирование
метрик на
стороне БД
Делегирование расчета метрики в БД
Суммарные
таблицы
Суммарные
таблицы
Поддержка суммарных таблиц
Поддержка
индекса
Поддержка
индекса
Использование ключей при генерации запроса
Аудит
запросов
Аудит
запросов
Использует преимущества Teradata по мониторингу
запросов
Аналитически
е функции и
ранжирование
Аналитически
е функции и
ранжирование
• Обеспечивает гибкость объектов с очень
сложным содержанием
• Использует преимущество синтаксиса Teradata и
параллельной обработки
Влияние
 Сократить издержки на
поддержание ИП
 Возможность найти точки,
в которых банк теряет
деньги или точки, где
можно заработать больше,
чем сейчас.
 Единый стандарт
отчетности.
 Повышение
эффективности
пользовательской работы
с данными.
 Выход в лидеры по всем
направлениям банковских
услуг.
Заключение
07/08/13 18
Ситуация
Сбербанку является одним из крупнейшим
банком в мире. В последнее время банк активно
развивается предлагая клиентам новые виды
услуг и расширяя свою сеть за пределами РФ.
Проблема
Сбербанк имеет разрозненное информационное
пространство, вследствие чего, анализ данных
стал очень долгим, ресурсоёмким и
дорогостоящим процессом, вследствие чего
банку сложно быстро реагировать на изменение
рынка и принимать правильные управленческие
решения.
Решение
Внедрение ЦХД на платформе Teradata и
аналитического приложения SAP
BusinessObjects
Демо1: Навигацию по рабочему месту
пользователю в Infoview
Демо2: Создание отчета с помощью Web
Intelligence
Спасибо за внимание
Вопросы?

More Related Content

What's hot

Software Analytics in frontend
Software Analytics in frontendSoftware Analytics in frontend
Software Analytics in frontendDenis Kolesnikov
 
Qlik Sense в Zenden || Консультационная Группа АТК
Qlik Sense в Zenden || Консультационная Группа АТКQlik Sense в Zenden || Консультационная Группа АТК
Qlik Sense в Zenden || Консультационная Группа АТКMarina Payvina
 
Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»
Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»
Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»Marina Payvina
 
Анализ и визуализация данных на базе платформы Microsoft bi
Анализ и визуализация данных на базе платформы Microsoft biАнализ и визуализация данных на базе платформы Microsoft bi
Анализ и визуализация данных на базе платформы Microsoft biМаксим Войцеховский
 
Логическая витрина данных
Логическая витрина данныхЛогическая витрина данных
Логическая витрина данныхSergey Gorshkov
 
АНАЛИТИКА ПЛЮС, вебинар 10 декабря «НОВЫЕ ТЕХНОЛОГИИ HP VERTICA + TABLEAU, КА...
АНАЛИТИКА ПЛЮС, вебинар 10 декабря «НОВЫЕ ТЕХНОЛОГИИ HP VERTICA + TABLEAU, КА...АНАЛИТИКА ПЛЮС, вебинар 10 декабря «НОВЫЕ ТЕХНОЛОГИИ HP VERTICA + TABLEAU, КА...
АНАЛИТИКА ПЛЮС, вебинар 10 декабря «НОВЫЕ ТЕХНОЛОГИИ HP VERTICA + TABLEAU, КА...АНАЛИТИКА ПЛЮС
 
Коробочный модуль АТК ДОМИНО 8. Анализ продаж, Софт-Вест
Коробочный модуль АТК ДОМИНО 8. Анализ продаж, Софт-ВестКоробочный модуль АТК ДОМИНО 8. Анализ продаж, Софт-Вест
Коробочный модуль АТК ДОМИНО 8. Анализ продаж, Софт-ВестMarina Payvina
 
IBM SPSS. Аналитика на службе бизнеса
IBM SPSS. Аналитика на службе бизнесаIBM SPSS. Аналитика на службе бизнеса
IBM SPSS. Аналитика на службе бизнесаКРОК
 
Логическая витрина для доступа к большим данным
Логическая витрина для доступа к большим даннымЛогическая витрина для доступа к большим данным
Логическая витрина для доступа к большим даннымSergey Gorshkov
 
Qlik: новый подход к бизнес-аналитике фармацевтических компаний
Qlik: новый подход к бизнес-аналитике фармацевтических компанийQlik: новый подход к бизнес-аналитике фармацевтических компаний
Qlik: новый подход к бизнес-аналитике фармацевтических компанийMarina Payvina
 
База знаний службы техподдержки
База знаний службы техподдержкиБаза знаний службы техподдержки
База знаний службы техподдержкиSergey Gorshkov
 
Business intlligence
Business intlligenceBusiness intlligence
Business intlligencePutinTheJew
 
Qlik Sense Data Storytelling | | Консультационная Группа АТК
Qlik Sense Data Storytelling | | Консультационная Группа АТКQlik Sense Data Storytelling | | Консультационная Группа АТК
Qlik Sense Data Storytelling | | Консультационная Группа АТКMarina Payvina
 
QlikView в GfK для синдикативных исследований фармрынка
QlikView в GfK для синдикативных исследований фармрынкаQlikView в GfK для синдикативных исследований фармрынка
QlikView в GfK для синдикативных исследований фармрынкаMarina Payvina
 
QlikView for Retail, QlikTech, Георгий Нанеишвили
QlikView for Retail, QlikTech, Георгий НанеишвилиQlikView for Retail, QlikTech, Георгий Нанеишвили
QlikView for Retail, QlikTech, Георгий НанеишвилиMarina Payvina
 
Data-driven business: Информационная основа деятельности современной Компании
Data-driven business: Информационная основа деятельности современной КомпанииData-driven business: Информационная основа деятельности современной Компании
Data-driven business: Информационная основа деятельности современной КомпанииAlexander Barakov
 
Softline Services: Бизнес-аналитика (BI)
Softline Services: Бизнес-аналитика (BI)Softline Services: Бизнес-аналитика (BI)
Softline Services: Бизнес-аналитика (BI)Softline
 

What's hot (20)

Software Analytics in frontend
Software Analytics in frontendSoftware Analytics in frontend
Software Analytics in frontend
 
Forum
ForumForum
Forum
 
Qlik Sense в Zenden || Консультационная Группа АТК
Qlik Sense в Zenden || Консультационная Группа АТКQlik Sense в Zenden || Консультационная Группа АТК
Qlik Sense в Zenden || Консультационная Группа АТК
 
Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»
Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»
Бизнес-завтрак «Qlik: работаем с данными 1С эффективно»
 
MS BI
MS BI MS BI
MS BI
 
Анализ и визуализация данных на базе платформы Microsoft bi
Анализ и визуализация данных на базе платформы Microsoft biАнализ и визуализация данных на базе платформы Microsoft bi
Анализ и визуализация данных на базе платформы Microsoft bi
 
Логическая витрина данных
Логическая витрина данныхЛогическая витрина данных
Логическая витрина данных
 
АНАЛИТИКА ПЛЮС, вебинар 10 декабря «НОВЫЕ ТЕХНОЛОГИИ HP VERTICA + TABLEAU, КА...
АНАЛИТИКА ПЛЮС, вебинар 10 декабря «НОВЫЕ ТЕХНОЛОГИИ HP VERTICA + TABLEAU, КА...АНАЛИТИКА ПЛЮС, вебинар 10 декабря «НОВЫЕ ТЕХНОЛОГИИ HP VERTICA + TABLEAU, КА...
АНАЛИТИКА ПЛЮС, вебинар 10 декабря «НОВЫЕ ТЕХНОЛОГИИ HP VERTICA + TABLEAU, КА...
 
Коробочный модуль АТК ДОМИНО 8. Анализ продаж, Софт-Вест
Коробочный модуль АТК ДОМИНО 8. Анализ продаж, Софт-ВестКоробочный модуль АТК ДОМИНО 8. Анализ продаж, Софт-Вест
Коробочный модуль АТК ДОМИНО 8. Анализ продаж, Софт-Вест
 
Аналитика в SaaS-бизнесе на примере OWOX BI
Аналитика в SaaS-бизнесе на примере OWOX BIАналитика в SaaS-бизнесе на примере OWOX BI
Аналитика в SaaS-бизнесе на примере OWOX BI
 
IBM SPSS. Аналитика на службе бизнеса
IBM SPSS. Аналитика на службе бизнесаIBM SPSS. Аналитика на службе бизнеса
IBM SPSS. Аналитика на службе бизнеса
 
Логическая витрина для доступа к большим данным
Логическая витрина для доступа к большим даннымЛогическая витрина для доступа к большим данным
Логическая витрина для доступа к большим данным
 
Qlik: новый подход к бизнес-аналитике фармацевтических компаний
Qlik: новый подход к бизнес-аналитике фармацевтических компанийQlik: новый подход к бизнес-аналитике фармацевтических компаний
Qlik: новый подход к бизнес-аналитике фармацевтических компаний
 
База знаний службы техподдержки
База знаний службы техподдержкиБаза знаний службы техподдержки
База знаний службы техподдержки
 
Business intlligence
Business intlligenceBusiness intlligence
Business intlligence
 
Qlik Sense Data Storytelling | | Консультационная Группа АТК
Qlik Sense Data Storytelling | | Консультационная Группа АТКQlik Sense Data Storytelling | | Консультационная Группа АТК
Qlik Sense Data Storytelling | | Консультационная Группа АТК
 
QlikView в GfK для синдикативных исследований фармрынка
QlikView в GfK для синдикативных исследований фармрынкаQlikView в GfK для синдикативных исследований фармрынка
QlikView в GfK для синдикативных исследований фармрынка
 
QlikView for Retail, QlikTech, Георгий Нанеишвили
QlikView for Retail, QlikTech, Георгий НанеишвилиQlikView for Retail, QlikTech, Георгий Нанеишвили
QlikView for Retail, QlikTech, Георгий Нанеишвили
 
Data-driven business: Информационная основа деятельности современной Компании
Data-driven business: Информационная основа деятельности современной КомпанииData-driven business: Информационная основа деятельности современной Компании
Data-driven business: Информационная основа деятельности современной Компании
 
Softline Services: Бизнес-аналитика (BI)
Softline Services: Бизнес-аналитика (BI)Softline Services: Бизнес-аналитика (BI)
Softline Services: Бизнес-аналитика (BI)
 

Viewers also liked

Calculation contex in sap business objects
Calculation contex in sap business objectsCalculation contex in sap business objects
Calculation contex in sap business objectsDmitry Anoshin
 
Юлия Ровинская. "С 0 до 400 участников за 3 года: Как сделать успешное меропр...
Юлия Ровинская. "С 0 до 400 участников за 3 года: Как сделать успешное меропр...Юлия Ровинская. "С 0 до 400 участников за 3 года: Как сделать успешное меропр...
Юлия Ровинская. "С 0 до 400 участников за 3 года: Как сделать успешное меропр...uransoft
 
КРЕДИТНАЯ ПОЛИТИКА Западно-Уральского банка ОАО «Сбербанк России» при финанси...
КРЕДИТНАЯ ПОЛИТИКА Западно-Уральского банка ОАО «Сбербанк России» при финанси...КРЕДИТНАЯ ПОЛИТИКА Западно-Уральского банка ОАО «Сбербанк России» при финанси...
КРЕДИТНАЯ ПОЛИТИКА Западно-Уральского банка ОАО «Сбербанк России» при финанси...metrosphera
 
Э.С.Набиуллина выступление 25 ноября 2009
Э.С.Набиуллина выступление 25 ноября 2009Э.С.Набиуллина выступление 25 ноября 2009
Э.С.Набиуллина выступление 25 ноября 2009Dmitry Tseitlin
 
Лариса Понамарева "ГЧП как эффективный инструмент развития инфраструктуры здр...
Лариса Понамарева "ГЧП как эффективный инструмент развития инфраструктуры здр...Лариса Понамарева "ГЧП как эффективный инструмент развития инфраструктуры здр...
Лариса Понамарева "ГЧП как эффективный инструмент развития инфраструктуры здр...mosurban
 
Droidcon Moscow 2015. Nearby новые возможности взаимодействия рядом. Антон Пу...
Droidcon Moscow 2015. Nearby новые возможности взаимодействия рядом. Антон Пу...Droidcon Moscow 2015. Nearby новые возможности взаимодействия рядом. Антон Пу...
Droidcon Moscow 2015. Nearby новые возможности взаимодействия рядом. Антон Пу...Mail.ru Group
 
герман греф почему нужна модернизация январь 2010
герман греф   почему нужна модернизация   январь 2010герман греф   почему нужна модернизация   январь 2010
герман греф почему нужна модернизация январь 2010Dmitry Tseitlin
 
презентация карачинский а. - Ibs group
презентация карачинский а.  - Ibs groupпрезентация карачинский а.  - Ibs group
презентация карачинский а. - Ibs groupfinnopolis
 
презентация Бондарев С. - сбербанк россии
презентация Бондарев С. - сбербанк россиипрезентация Бондарев С. - сбербанк россии
презентация Бондарев С. - сбербанк россииfinnopolis
 
презентация греф г. сбербанк россии
презентация греф г.   сбербанк россиипрезентация греф г.   сбербанк россии
презентация греф г. сбербанк россииfinnopolis
 
Cбербанк_система кадрового резерва
Cбербанк_система кадрового резерваCбербанк_система кадрового резерва
Cбербанк_система кадрового резерваkseniaobukhova
 

Viewers also liked (11)

Calculation contex in sap business objects
Calculation contex in sap business objectsCalculation contex in sap business objects
Calculation contex in sap business objects
 
Юлия Ровинская. "С 0 до 400 участников за 3 года: Как сделать успешное меропр...
Юлия Ровинская. "С 0 до 400 участников за 3 года: Как сделать успешное меропр...Юлия Ровинская. "С 0 до 400 участников за 3 года: Как сделать успешное меропр...
Юлия Ровинская. "С 0 до 400 участников за 3 года: Как сделать успешное меропр...
 
КРЕДИТНАЯ ПОЛИТИКА Западно-Уральского банка ОАО «Сбербанк России» при финанси...
КРЕДИТНАЯ ПОЛИТИКА Западно-Уральского банка ОАО «Сбербанк России» при финанси...КРЕДИТНАЯ ПОЛИТИКА Западно-Уральского банка ОАО «Сбербанк России» при финанси...
КРЕДИТНАЯ ПОЛИТИКА Западно-Уральского банка ОАО «Сбербанк России» при финанси...
 
Э.С.Набиуллина выступление 25 ноября 2009
Э.С.Набиуллина выступление 25 ноября 2009Э.С.Набиуллина выступление 25 ноября 2009
Э.С.Набиуллина выступление 25 ноября 2009
 
Лариса Понамарева "ГЧП как эффективный инструмент развития инфраструктуры здр...
Лариса Понамарева "ГЧП как эффективный инструмент развития инфраструктуры здр...Лариса Понамарева "ГЧП как эффективный инструмент развития инфраструктуры здр...
Лариса Понамарева "ГЧП как эффективный инструмент развития инфраструктуры здр...
 
Droidcon Moscow 2015. Nearby новые возможности взаимодействия рядом. Антон Пу...
Droidcon Moscow 2015. Nearby новые возможности взаимодействия рядом. Антон Пу...Droidcon Moscow 2015. Nearby новые возможности взаимодействия рядом. Антон Пу...
Droidcon Moscow 2015. Nearby новые возможности взаимодействия рядом. Антон Пу...
 
герман греф почему нужна модернизация январь 2010
герман греф   почему нужна модернизация   январь 2010герман греф   почему нужна модернизация   январь 2010
герман греф почему нужна модернизация январь 2010
 
презентация карачинский а. - Ibs group
презентация карачинский а.  - Ibs groupпрезентация карачинский а.  - Ibs group
презентация карачинский а. - Ibs group
 
презентация Бондарев С. - сбербанк россии
презентация Бондарев С. - сбербанк россиипрезентация Бондарев С. - сбербанк россии
презентация Бондарев С. - сбербанк россии
 
презентация греф г. сбербанк россии
презентация греф г.   сбербанк россиипрезентация греф г.   сбербанк россии
презентация греф г. сбербанк россии
 
Cбербанк_система кадрового резерва
Cбербанк_система кадрового резерваCбербанк_система кадрового резерва
Cбербанк_система кадрового резерва
 

Similar to BI Pre-Sale

OSPconf. Big Data Forum 2015
OSPconf. Big Data Forum 2015OSPconf. Big Data Forum 2015
OSPconf. Big Data Forum 2015Ilya Gershanov
 
Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...
Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...
Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...Andrew Sovtsov
 
Informatica Пронет (v.0.3)
Informatica   Пронет (v.0.3)Informatica   Пронет (v.0.3)
Informatica Пронет (v.0.3)Natasha Zaverukha
 
Обеспечение и контроль качества услуг
Обеспечение и контроль качества услугОбеспечение и контроль качества услуг
Обеспечение и контроль качества услугCisco Russia
 
Informatica for Data Warehouse Optimisation and Data Lake Use-cases
Informatica for Data Warehouse Optimisation and Data Lake Use-casesInformatica for Data Warehouse Optimisation and Data Lake Use-cases
Informatica for Data Warehouse Optimisation and Data Lake Use-casesIlya Gershanov
 
петров дси для Smb бережливое проектирование 2010
петров дси для Smb бережливое проектирование 2010петров дси для Smb бережливое проектирование 2010
петров дси для Smb бережливое проектирование 2010Anton Petrov
 
как обеспечить качественное функционирование ит систем для маркетинга и прода...
как обеспечить качественное функционирование ит систем для маркетинга и прода...как обеспечить качественное функционирование ит систем для маркетинга и прода...
как обеспечить качественное функционирование ит систем для маркетинга и прода...soft-point
 
Qualitative operation of IT systems Pavel Barketov
Qualitative operation of IT systems Pavel BarketovQualitative operation of IT systems Pavel Barketov
Qualitative operation of IT systems Pavel Barketovsoft-point
 
Qualitative operation of IT systems
Qualitative operation of IT systemsQualitative operation of IT systems
Qualitative operation of IT systemssoft-point
 
Micro Focus ITSM Automation
Micro Focus ITSM AutomationMicro Focus ITSM Automation
Micro Focus ITSM AutomationYuri Yashkin
 
VMUG UA #1 BMC Capacity Optimization
VMUG UA #1 BMC Capacity OptimizationVMUG UA #1 BMC Capacity Optimization
VMUG UA #1 BMC Capacity Optimization Amazon Web Services
 
Антон Петров "ЦОД во "времена перемен"
Антон Петров "ЦОД во "времена перемен"Антон Петров "ЦОД во "времена перемен"
Антон Петров "ЦОД во "времена перемен"Anton Petrov
 
Data Science Week 2016. Sberbank
Data Science Week 2016. SberbankData Science Week 2016. Sberbank
Data Science Week 2016. SberbankNewprolab
 
Современный подход к автоматизации сервисных запросов на основе Jira Service ...
Современный подход к автоматизации сервисных запросов на основе Jira Service ...Современный подход к автоматизации сервисных запросов на основе Jira Service ...
Современный подход к автоматизации сервисных запросов на основе Jira Service ...Andrew Fadeev
 
MONT Решения Micro Focus для резервного копирования
MONT Решения Micro Focus для резервного копированияMONT Решения Micro Focus для резервного копирования
MONT Решения Micro Focus для резервного копированияYuri Yashkin
 
Short enterprise data hub on apache hadoop ru
Short enterprise data hub on apache hadoop ruShort enterprise data hub on apache hadoop ru
Short enterprise data hub on apache hadoop ruLviv Startup Club
 
6 важнейших качеств платформы для анализа Больших данных
6 важнейших качеств платформы для анализа Больших данных6 важнейших качеств платформы для анализа Больших данных
6 важнейших качеств платформы для анализа Больших данныхElizaveta Alekseeva
 
Презентация аналитической системы для ритейла СуперМаг BI
Презентация аналитической системы для ритейла СуперМаг BIПрезентация аналитической системы для ритейла СуперМаг BI
Презентация аналитической системы для ритейла СуперМаг BIОникс Софт
 

Similar to BI Pre-Sale (20)

OSPconf. Big Data Forum 2015
OSPconf. Big Data Forum 2015OSPconf. Big Data Forum 2015
OSPconf. Big Data Forum 2015
 
Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...
Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...
Бизнес-контекст, совместная работа и согласованность для интеллектуального уп...
 
Informatica Пронет (v.0.3)
Informatica   Пронет (v.0.3)Informatica   Пронет (v.0.3)
Informatica Пронет (v.0.3)
 
Обеспечение и контроль качества услуг
Обеспечение и контроль качества услугОбеспечение и контроль качества услуг
Обеспечение и контроль качества услуг
 
Informatica for Data Warehouse Optimisation and Data Lake Use-cases
Informatica for Data Warehouse Optimisation and Data Lake Use-casesInformatica for Data Warehouse Optimisation and Data Lake Use-cases
Informatica for Data Warehouse Optimisation and Data Lake Use-cases
 
петров дси для Smb бережливое проектирование 2010
петров дси для Smb бережливое проектирование 2010петров дси для Smb бережливое проектирование 2010
петров дси для Smb бережливое проектирование 2010
 
обзор Erp
обзор Erpобзор Erp
обзор Erp
 
как обеспечить качественное функционирование ит систем для маркетинга и прода...
как обеспечить качественное функционирование ит систем для маркетинга и прода...как обеспечить качественное функционирование ит систем для маркетинга и прода...
как обеспечить качественное функционирование ит систем для маркетинга и прода...
 
Qualitative operation of IT systems Pavel Barketov
Qualitative operation of IT systems Pavel BarketovQualitative operation of IT systems Pavel Barketov
Qualitative operation of IT systems Pavel Barketov
 
Qualitative operation of IT systems
Qualitative operation of IT systemsQualitative operation of IT systems
Qualitative operation of IT systems
 
Micro Focus ITSM Automation
Micro Focus ITSM AutomationMicro Focus ITSM Automation
Micro Focus ITSM Automation
 
VMUG UA #1 BMC Capacity Optimization
VMUG UA #1 BMC Capacity OptimizationVMUG UA #1 BMC Capacity Optimization
VMUG UA #1 BMC Capacity Optimization
 
Антон Петров "ЦОД во "времена перемен"
Антон Петров "ЦОД во "времена перемен"Антон Петров "ЦОД во "времена перемен"
Антон Петров "ЦОД во "времена перемен"
 
Data Science Week 2016. Sberbank
Data Science Week 2016. SberbankData Science Week 2016. Sberbank
Data Science Week 2016. Sberbank
 
Современный подход к автоматизации сервисных запросов на основе Jira Service ...
Современный подход к автоматизации сервисных запросов на основе Jira Service ...Современный подход к автоматизации сервисных запросов на основе Jira Service ...
Современный подход к автоматизации сервисных запросов на основе Jira Service ...
 
MONT Решения Micro Focus для резервного копирования
MONT Решения Micro Focus для резервного копированияMONT Решения Micro Focus для резервного копирования
MONT Решения Micro Focus для резервного копирования
 
IBM Cognos TM1
IBM Cognos TM1 IBM Cognos TM1
IBM Cognos TM1
 
Short enterprise data hub on apache hadoop ru
Short enterprise data hub on apache hadoop ruShort enterprise data hub on apache hadoop ru
Short enterprise data hub on apache hadoop ru
 
6 важнейших качеств платформы для анализа Больших данных
6 важнейших качеств платформы для анализа Больших данных6 важнейших качеств платформы для анализа Больших данных
6 важнейших качеств платформы для анализа Больших данных
 
Презентация аналитической системы для ритейла СуперМаг BI
Презентация аналитической системы для ритейла СуперМаг BIПрезентация аналитической системы для ритейла СуперМаг BI
Презентация аналитической системы для ритейла СуперМаг BI
 

More from Dmitry Anoshin

Building Modern Data Platform with Microsoft Azure
Building Modern Data Platform with Microsoft AzureBuilding Modern Data Platform with Microsoft Azure
Building Modern Data Platform with Microsoft AzureDmitry Anoshin
 
Building Modern Data Platform with AWS
Building Modern Data Platform with AWSBuilding Modern Data Platform with AWS
Building Modern Data Platform with AWSDmitry Anoshin
 
Cloud Analytics Use Cases and Architecture, Math Marketing Conference, Russia...
Cloud Analytics Use Cases and Architecture, Math Marketing Conference, Russia...Cloud Analytics Use Cases and Architecture, Math Marketing Conference, Russia...
Cloud Analytics Use Cases and Architecture, Math Marketing Conference, Russia...Dmitry Anoshin
 
Victoria Tableau User Group - Getting started with Tableau
Victoria Tableau User Group - Getting started with TableauVictoria Tableau User Group - Getting started with Tableau
Victoria Tableau User Group - Getting started with TableauDmitry Anoshin
 
Hey, what is about data?
Hey, what is about data?Hey, what is about data?
Hey, what is about data?Dmitry Anoshin
 
Enterprise Data World 2018 - Building Cloud Self-Service Analytical Solution
Enterprise Data World 2018 - Building Cloud Self-Service Analytical SolutionEnterprise Data World 2018 - Building Cloud Self-Service Analytical Solution
Enterprise Data World 2018 - Building Cloud Self-Service Analytical SolutionDmitry Anoshin
 
AWS User Group: Building Cloud Analytics Solution with AWS
AWS User Group: Building Cloud Analytics Solution with AWSAWS User Group: Building Cloud Analytics Solution with AWS
AWS User Group: Building Cloud Analytics Solution with AWSDmitry Anoshin
 
My experience of writing technical books
My experience of writing technical booksMy experience of writing technical books
My experience of writing technical booksDmitry Anoshin
 
Business objects activities web intelligence
Business objects activities web intelligenceBusiness objects activities web intelligence
Business objects activities web intelligenceDmitry Anoshin
 
Splunk 6.2 new features
Splunk 6.2 new featuresSplunk 6.2 new features
Splunk 6.2 new featuresDmitry Anoshin
 
Business Analytics Paradigm Change
Business Analytics Paradigm ChangeBusiness Analytics Paradigm Change
Business Analytics Paradigm ChangeDmitry Anoshin
 
SAP BO and Teradata best practices
SAP BO and Teradata best practicesSAP BO and Teradata best practices
SAP BO and Teradata best practicesDmitry Anoshin
 
Splunk Digital Intelligence
Splunk Digital IntelligenceSplunk Digital Intelligence
Splunk Digital IntelligenceDmitry Anoshin
 
Role of Tableau on the Data Discovery Market
Role of Tableau on the Data Discovery MarketRole of Tableau on the Data Discovery Market
Role of Tableau on the Data Discovery MarketDmitry Anoshin
 
SAP Lumira - Building visualizations
SAP Lumira - Building visualizationsSAP Lumira - Building visualizations
SAP Lumira - Building visualizationsDmitry Anoshin
 
SAP Lumira - Acquiring data
SAP Lumira - Acquiring dataSAP Lumira - Acquiring data
SAP Lumira - Acquiring dataDmitry Anoshin
 
SAP Lumira - Enriching data
SAP Lumira - Enriching dataSAP Lumira - Enriching data
SAP Lumira - Enriching dataDmitry Anoshin
 
Microstrategy for Retailer Company
Microstrategy for Retailer CompanyMicrostrategy for Retailer Company
Microstrategy for Retailer CompanyDmitry Anoshin
 

More from Dmitry Anoshin (20)

Building Modern Data Platform with Microsoft Azure
Building Modern Data Platform with Microsoft AzureBuilding Modern Data Platform with Microsoft Azure
Building Modern Data Platform with Microsoft Azure
 
Building Modern Data Platform with AWS
Building Modern Data Platform with AWSBuilding Modern Data Platform with AWS
Building Modern Data Platform with AWS
 
Cloud Analytics Use Cases and Architecture, Math Marketing Conference, Russia...
Cloud Analytics Use Cases and Architecture, Math Marketing Conference, Russia...Cloud Analytics Use Cases and Architecture, Math Marketing Conference, Russia...
Cloud Analytics Use Cases and Architecture, Math Marketing Conference, Russia...
 
Victoria Tableau User Group - Getting started with Tableau
Victoria Tableau User Group - Getting started with TableauVictoria Tableau User Group - Getting started with Tableau
Victoria Tableau User Group - Getting started with Tableau
 
Hey, what is about data?
Hey, what is about data?Hey, what is about data?
Hey, what is about data?
 
Enterprise Data World 2018 - Building Cloud Self-Service Analytical Solution
Enterprise Data World 2018 - Building Cloud Self-Service Analytical SolutionEnterprise Data World 2018 - Building Cloud Self-Service Analytical Solution
Enterprise Data World 2018 - Building Cloud Self-Service Analytical Solution
 
AWS User Group: Building Cloud Analytics Solution with AWS
AWS User Group: Building Cloud Analytics Solution with AWSAWS User Group: Building Cloud Analytics Solution with AWS
AWS User Group: Building Cloud Analytics Solution with AWS
 
Tableau API
Tableau APITableau API
Tableau API
 
My experience of writing technical books
My experience of writing technical booksMy experience of writing technical books
My experience of writing technical books
 
Business objects activities web intelligence
Business objects activities web intelligenceBusiness objects activities web intelligence
Business objects activities web intelligence
 
Splunk 6.2 new features
Splunk 6.2 new featuresSplunk 6.2 new features
Splunk 6.2 new features
 
Business Analytics Paradigm Change
Business Analytics Paradigm ChangeBusiness Analytics Paradigm Change
Business Analytics Paradigm Change
 
SAP BO and Teradata best practices
SAP BO and Teradata best practicesSAP BO and Teradata best practices
SAP BO and Teradata best practices
 
Exploring Splunk
Exploring SplunkExploring Splunk
Exploring Splunk
 
Splunk Digital Intelligence
Splunk Digital IntelligenceSplunk Digital Intelligence
Splunk Digital Intelligence
 
Role of Tableau on the Data Discovery Market
Role of Tableau on the Data Discovery MarketRole of Tableau on the Data Discovery Market
Role of Tableau on the Data Discovery Market
 
SAP Lumira - Building visualizations
SAP Lumira - Building visualizationsSAP Lumira - Building visualizations
SAP Lumira - Building visualizations
 
SAP Lumira - Acquiring data
SAP Lumira - Acquiring dataSAP Lumira - Acquiring data
SAP Lumira - Acquiring data
 
SAP Lumira - Enriching data
SAP Lumira - Enriching dataSAP Lumira - Enriching data
SAP Lumira - Enriching data
 
Microstrategy for Retailer Company
Microstrategy for Retailer CompanyMicrostrategy for Retailer Company
Microstrategy for Retailer Company
 

BI Pre-Sale

  • 2. Что вы узнаете из этой презентации  Решение для Сбербанка  Краткий обзор лидеров рынка хранилищ данных и аналитических приложений  Преимущества аналитического приложения SAP BusinessObjects  Преимущества архитектуры Teradata  Эффект синергии Teradata + SAP BusinessObjects
  • 3. Текущая ситуация  Оргструктура Сбербанка: 17 Теритоиальных банков 19200 Отдеделиний  Приобретения и объединения: VOLKSBANK International DenizBank Troika Dialog Cetelem, BNP Paribas Group  Сбербанк входит в ТОП-50 крупнейших банков мира.
  • 4. Что нужно для достижения цели? РЕШЕНИЕ КОМАНДА ФИНАНСЫ SAP BusinessObjects и Teradata Команда профессионалов ориентированных на достижение высокого результата Средства на реализацию своих целей и планов ЦЕЛЬ Масштабируемая и производительная аналитическая система для управления крупным банком
  • 6. Обзор рынка– Платформы для хранилищ данных • Квадрант по платформам для хранилищ данных, 2012 • Источник: Gartner, Inc. 07/08/13 6 Терадата продолжает лидировать среди платформ для хранилищ данных
  • 7. 07/08/13 7 Обзор рынка– BI Платформы • Квадрант по платформам для аналитических приложений(BI), 2012 • Источник: Gartner, Inc. SAP продолжает уверенно двигаться вперед как лидер и дальновидный игрок в BI пространстве
  • 8. Некоторые из клиентов Teradata и SAP BusinessObjects 07/08/13 8
  • 9. Teradata & SAP – 14 лет совместного успеха • SAP является лидером среди бизнес ПО, с более чем 45,000 клиентов по всему миру • Teradata является абсолютным лидером среди платформ для хранилищ данных • 50% из “ТОП 100” мировых компаний используют Teradata • Teradata продолжает быть стратегическим партнером SAP • Партнерство с1998 - 300+ общих мировых клиентов 07/08/13 9
  • 10. Архитектура решения Teradata и SAP Business Objects 07/08/13 10 ETL решение Уровень Хранения данных Уровень трансфор- мации данных Нестандартные запросы: Web Intelligence Xcelsius Dashboards Регламентная отчетность: Crystal Reports Решения для мобильных устройств: SAP Mobile BI SAP BusinessObjects Enterprise Server Teradata Все источники данныхВсе источники данных Уровень для работы бизнес- пользо- вателей Уровень исходных данных
  • 11. Технические особенности Teradata 11 > SMP Node1 SMP Node2 SMP Node3 SMP Node4 CPU1 CPU2 CPU1 CPU2 CPU1 CPU2 CPU1 CPU2 Два коммутатора Teradata BYNET Memory Memory Memory Memory Консоль  Преимущества Teradata: Массивно-паралелльная обработка данных (MPP) Shared nothing архитектура Линейно масштабируемая архитектура без деградации производительности Уровень надежности ПО до 99,999%, за счет резервирования всех возможных точек системы, чувствительных к возможным сбоям Стоимостный оптимизатор запросов Индексирование температуры данных Поколоночное секционирование Малая стоимость работ администратора БД
  • 12. Если по-простому До терадаты: Вместе с терадатой:
  • 13. Индустриальные модели данных  Преимущества готовой модели Инструментарий по работе с моделью Накопленная экспертиза Быстрое внедрение Высокая производительность Best Practice
  • 14. Визуализация данных и дашборды Как я могу визуализировать данные для принятия лучших и быстрых решений? Как я могу быстро ответить на интересующий меня вопрос и взаимодействовать с информацией Интерактивная отчетность Исследование данных Как я могу немедленно получить на интересующий меня бизнес вопрос? Как я могу эффективно использовать данные в офисных приложениях? Офисные приложения Регламентная отчетность Мобильные решения Как я могу получить доступ к данным со своего мобильного решения? Xcelsius Dashboards Web Intelligence ExplorerLive OfficeCrystal Reports SAP Mobile BI SAP BusinessObjects BI для пользователей 07/08/13 14 BI платформаBI платформа Лучшее клиентское приложение для всевозможных нужд пользователей Как я могу создать регламентированную отчетность для отправки в ЦБ РФ?  Легкость развертывания  Масштабируемость  Производительность  Открытость к любым источникам данных  Ориентация решения на бизнес-пользователей  Простота и оперативность построения отчетности  Сотрудникам не требуется знание IT  Гибкое построение информационных панелей
  • 15. Почему Teradata и SAP BusinessObjects?  Лучшие в своем классе: SAP лидер на рынке BI приложений Teradata лидер на рынке решений платформ для хранилищ данных.  Раскрытие ценности корпоративных данных Увеличение ценности данных для анализа и принятия быстрых управленческих решений. Сокращение время подготовки отчетов и ускорение процесса получения информации  Teradata как платформа для SAP решений: Снижение сложности и стоимости всей BI архитектуры Простота интеграции SAP приложений с мощью и масштабируемостью Teradata. Интеграция Teradata в структуру клиентской поддержки SAP. 07/08/13 15
  • 16. Почему мы?  Десятки успешных внедрений  Огромная экспертиза в финансовой индустрии  Успешный опыт работы с гигантскими объемами данных  Сертифицированные специалисты  Опыт внедрения систем в финансовой индустрии  Клиент-ориентированный подход  Постоянную техническую поддержка и передача знаний  Эффективное взаимодействие между вашими работниками, процессами и технологией  Эффективная обработка больших объемов данных  Экономически целесообразная, масштабируемая техническая и программная платформа, которая способна соответствовать сегодняшним и будущим потребностям вашего банка Экспертиза Люди Программное обеспечение Потому что:
  • 17. Преимущества Teradata для SAP BusinessObjects BI 07/08/13 17 Агрегирование метрик на стороне БД Агрегирование метрик на стороне БД Делегирование расчета метрики в БД Суммарные таблицы Суммарные таблицы Поддержка суммарных таблиц Поддержка индекса Поддержка индекса Использование ключей при генерации запроса Аудит запросов Аудит запросов Использует преимущества Teradata по мониторингу запросов Аналитически е функции и ранжирование Аналитически е функции и ранжирование • Обеспечивает гибкость объектов с очень сложным содержанием • Использует преимущество синтаксиса Teradata и параллельной обработки
  • 18. Влияние  Сократить издержки на поддержание ИП  Возможность найти точки, в которых банк теряет деньги или точки, где можно заработать больше, чем сейчас.  Единый стандарт отчетности.  Повышение эффективности пользовательской работы с данными.  Выход в лидеры по всем направлениям банковских услуг. Заключение 07/08/13 18 Ситуация Сбербанку является одним из крупнейшим банком в мире. В последнее время банк активно развивается предлагая клиентам новые виды услуг и расширяя свою сеть за пределами РФ. Проблема Сбербанк имеет разрозненное информационное пространство, вследствие чего, анализ данных стал очень долгим, ресурсоёмким и дорогостоящим процессом, вследствие чего банку сложно быстро реагировать на изменение рынка и принимать правильные управленческие решения. Решение Внедрение ЦХД на платформе Teradata и аналитического приложения SAP BusinessObjects
  • 19. Демо1: Навигацию по рабочему месту пользователю в Infoview
  • 20. Демо2: Создание отчета с помощью Web Intelligence

Editor's Notes

  1. Компания Teradata является поставщиком программно-аппаратных систем массивно-паралелльной обработки данных ( MPP- систем) с архитектурой Shared nothing , что означает, обработчики данных работают параллельно, не конфликтуя между собой, имея каждый в своем распоряжении ядро процессора, выделенную память и выделенное логической пространство дискового массива, где хранятся данные. Данная архитектура позволяет линейно масштабировать систему без какой-либо деградации производительности, добавляя новые сервера-обработчики, в тоже время, обеспечивая максимально быструю обработку при записи и чтении данных, засчет равномерного распределения данных внутри хранилища. Для достижения равномерного распределения система использует первичный индекс на уровне таблицы, в результате чего каждая строка будет сохранена на своем участке диского пространства, обрабатываемого конкретным обработчиком в параллельном режиме. Таким образом Teradata фокусируется именно на эффективности обработки данных, обеспечивая эффективный и быстрый доступ к большим объемам данных аналитическим приложениям. Преимуществами использования решений Teradata являются: Teradata - массивно-паралелльная система, когда на всех уровнях (программном и аппаратном) какждый процесс параллелен. Табличные данные распределяются равномерно по всему дисковому пространству что обеспечивает максимальную скорость их получения даже при полном сканировании таблицы. Так как Teradata является MPP- системой, то система является линейно масштабируемой, когда пропорционально росту объема данных достаточно добавить дополнительные узлы обработки для поддержания производительности на постоянном уровне. Стоимостной оптимизатор запросов с учетом практик использования порядка 20 лет, обеспечивающий эффективность обработки данных при использовании ситуационных запросов. Различные технологии обеспечивающих быструю обработку, например индексирование температуры данных с помощью опции Teradata Virtual storage , когда реже используемые данные перемещаются в более медленные области, автоматическая вертуры дсионность данных Teradata Temporal , возможность объединия любых типов данных, в том числе геопространственных в одном хранилище. Управление данными – Teradata MDM позволяет использовать словари, настраивать правила отбора эталонных записей, проводить настройку выражений и триггеров для чистки, дедупликации данных итп. Малая стоимость работ администратора БД – нет необходимости выделения табличного пространства, тюнинга системы с помощью хинтирования индексов, перестройки индексов, перестройки физической модели итп. На большие системы (например 30 серверов обработки) достаточно администраторов БД работающих посменно.