Sie sind hier
E-Book

Agile Business Intelligence

Theorie und Praxis

AutorMichael Zimmer, Stephan Trahasch
Verlagdpunkt
Erscheinungsjahr2016
ReiheEdition TDWI 
Seitenanzahl300 Seiten
ISBN9783864918735
FormatPDF/ePUB
KopierschutzWasserzeichen/DRM
GerätePC/MAC/eReader/Tablet
Preis59,90 EUR
Agile Methoden und Vorgehensweisen werden heute auch in BI-Projekten erfolgreich und gewinnbringend eingesetzt. Dabei steht eine ganze Reihe unterschiedlicher Ansätze zur Steigerung der BI-Agilität zur Verfügung. Entscheidend für den Erfolg ist die ganzheitliche Betrachtung von BI-Architekturen, -Organisationsformen, -Technologien und an BI angepasste agile Vorgehensmodelle. Die Autoren erörtern in diesem Buch Agile Business Intelligence, indem sie zunächst BI-Agilität mithilfe eines Ordnungsrahmens definieren und strukturieren. Auf diesen Grundlagen aufbauend zeigen sie anhand von konkreten Fallstudien, wie Agilität in BI-Projekten umgesetzt werden kann. Hierbei handelt es sich beispielsweise um die Durchführung agiler Projekte zum Aufbau eines Data Warehouse oder um die Umsetzung von Sandboxes auf Basis von In-Memory-Technologien. Behandelt werden im Einzelnen: • Der Einsatz von Scrum in der Business Intelligence • Anforderungsmanagement durch User Stories • Modellierung agiler BI-Systeme • Data Vault für agile Data-Warehouse-Architekturen • Agile BI-Architekturen • Automatisiertes Testen • BI-Agilität: Relevanz, Anforderungen und Maßnahmen • Agil und dezentral zum Enterprise Data Warehouse Das Buch richtet sich an Praktiker aus dem BI-Projektmanagement und der BI-Entwicklung sowie an BI-Entscheider, BI-Berater und Mitarbeiter aus den Fachabteilungen, die für BI-Lösungen verantwortlich sind. In der Edition TDWI erscheinen Titel, die vom dpunkt.verlag gemeinsam mit dem TDWI Germany e.V. ausgewählt und konzipiert werden. Inhaltliche Schwerpunkte dieser Reihe sind Business Intelligence und Data Warehousing.

Prof. Dr. Stephan Trahasch ist Professor für betriebliche Kommunikationssysteme und IT-Sicherheit an der Hochschule Offenburg. Seine Forschungsschwerpunkte liegen in den Bereichen Business Intelligence, Data Mining, Big Data und ITSecurity. Er ist Mitglied im TDWI-Arbeitskreis 'Agile BI' und hat das 'Memorandum für Agile Business Intelligence' mitherausgegeben. Dr. Michael Zimmer ist Manager bei Accenture Digital im Bereich Digital Delivery und verantwortet dort das Thema SAS für den deutschsprachigen Raum. Michael Zimmer hat zum Thema agile BI-Architekturen promoviert und ist im TDWI Referent, Autor und Experte sowie Organisator des TDWI Roundtable Stuttgart. Er ist Mitglied im TDWI-Arbeitskreis 'Agile BI' und hat das 'Memorandum für Agile Business Intelligence' mitherausgegeben.

Kaufen Sie hier:

Horizontale Tabs

Leseprobe

1 Agile Business Intelligence


Stephan Trahasch, Michael Zimmer, Robert Krawatzeck

Auch in der Business Intelligence (BI) werden zunehmend erfolgreich agile Methoden und Frameworks eingesetzt. Grundlegend für alle agilen Vorgehensweisen sind agile Werte und Prinzipien. Wurden die Werte und Prinzipien des agilen Manifests [Agiles Manifest 2001] und die daraus abgeleiteten Methoden zu Beginn meist eins zu eins auf die BI übertragen, so hat sich das Verständnis von BI-Agilität als ganzheitliche Eigenschaft der BI im deutschsprachigen Raum etabliert, und agile Methoden wurden auch auf die Besonderheiten der BI adaptiert. In diesem Kapitel werden BI-Agilität und Agile BI erläutert, ein Ordnungsrahmen für Maßnahmen zur Steigerung der BI-Agilität eingeführt sowie Werte und Prinzipien für eine Agile BI definiert. Einige Prinzipien und agile Methoden werden exemplarisch erläutert und auf die jeweiligen Kapitel in diesem Buch verwiesen.

1.1 Einleitung


Business Intelligence (BI) als unternehmensspezifischer Ansatz zur Entscheidungsunterstützung ist mit den zugehörigen Technologien und Anwendungen eine Voraussetzung für die faktenbasierte Entscheidungsfindung und letztlich für eine erfolgreiche Unternehmenssteuerung. BI stellt einen Kernbestandteil der IT-Infrastruktur von Unternehmen dar, und die Weiterentwicklung der analytischen Möglichkeiten von BI-Anwendungen zählt nach wie vor zu den wichtigsten Themen für Unternehmen [Gartner 2014]. Zeitnahe Analysen aufgrund einer hohen Marktdynamik und ein besseres Verständnis für Produktion, Lieferanten, Kunden und Märkte sind Basis für die Unternehmenssteuerung und notwendig, um die Wettbewerbsfähigkeit zu erhalten und auszubauen. Dies erfordert eine sehr hohe Flexibilität und Adaptionsfähigkeit der dispositiven Systeme zur Entscheidungsunterstützung. Demgegenüber steigt durch die Dynamik und zusätzliche Datenquellen die Komplexität der zu verarbeitenden Daten für die Analyse, was beispielsweise an Form (strukturiert vs. unstrukturiert), Abhängigkeit (Data Governance, Data Ownership, Historie) und Menge der Daten deutlich wird. Hohe Anpassungsfähigkeit und steigende Komplexität sind eine große Herausforderung für Business-Intelligence-Lösungen (vgl. [Kemper et al. 2010]) und für die Weiterentwicklung von Unternehmen.

Werden Softwareprodukte und insbesondere analytische Anwendungen klassisch, z. B. nach dem Wasserfall- oder V-Modell, entwickelt, besteht ein sehr hohes Risiko, dass nicht zeitnah auf Änderungen in einem dynamischen Umfeld reagiert werden kann und Geschäftsziele letztlich nicht erreicht werden. Die Lösung entspricht bei der Fertigstellung und der Auslieferung nicht mehr den veränderten Gegebenheiten und den Anforderungen der Stakeholder.

Agile Softwareentwicklung hingegen stellt einen leichtgewichtigen und flexiblen Ansatz dar, um mithilfe kontinuierlicher Rückkopplungen und kurzer Iterationszyklen einen schnellen Einsatz der entwickelten Systeme zu erreichen und so durch Transparenz Risiken im Entwicklungsprozess zu minimieren und auf Änderungen frühzeitig reagieren zu können. Agile Softwareentwicklung ist jedoch nicht nur die Anwendung von agilen Methoden und Frameworks, sondern stellt eine grundlegende Haltung und Denkweise der Mitarbeiter und der Organisation zur Realisierung von Softwareprojekten dar. Im Manifest für Agile Softwareentwicklung [Agiles Manifest 2001] wurden Werte und Prinzipien definiert, die den Bezugsrahmen für agile Softwareentwicklung festlegen. Die zu schätzenden Werte sind:

  • »Individuen und Interaktionen mehr als Prozesse und Werkzeuge

  • Funktionierende Software mehr als umfassende Dokumentation

  • Zusammenarbeit mit dem Kunden mehr als Vertragsverhandlung [und]

  • Reagieren auf Veränderung mehr als das Befolgen eines Plans«.

Aus diesen agilen Werten wurden zwölf Prinzipien für agile Softwareentwicklung, wie beispielsweise: »Unsere höchste Priorität ist es, den Kunden durch frühe und kontinuierliche Auslieferung wertvoller Software zufrieden zu stellen« und »Fachexperten und Entwickler müssen während des Projektes täglich zusammenarbeiten« [Zwölf Prinzipien 2001] abgeleitet.

Da sich BI-Projekte in einigen Aspekten von Softwareentwicklungsprojekten unterscheiden, sind diese Werte und Prinzipien sowie die agilen Methoden und Vorgehensmodelle nicht direkt auf die Entwicklung dispositiver Systeme übertragbar (vgl. auch Kap. 2 oder 6). Unterschiede sind dabei beispielsweise eine erschwerte Anforderungsanalyse, abteilungsabhängige fachliche Begriffsdefinitionen sowie eine hohe Vernetzung der abteilungsübergreifenden beteiligten Systeme [König 2009]. Zusätzlich werden BI-Lösungen mithilfe von heterogenen und nicht integrierten BI-Werkzeugen (Datenintegration, Datenhaltung, Analyse, Informationsbereitstellung) entwickelt, deren Funktionsumfang die BI-Anwendungen reglementieren [Krawatzeck et al. 2013]. Des Weiteren ist die genaue Spezifikation von Key Performance Indicators (KPIs) und zu realisierenden Reports häufig nur möglich, wenn die Daten aus den Quellsystemen durch den Fachbereich gemeinsam mit dem BI-Entwicklungsteam in dem zur Verfügung stehenden BI-Tool vor der eigentlichen Realisierung analysiert werden können. Die Anforderungsanalyse setzt somit eine sehr enge Zusammenarbeit mit den Fachabteilungen voraus, damit die Fachanwender sinnvoll die Anforderungen definieren können und diese für das Entwicklungsteam nachvollziehbar sind. Erschwerend kommt bei BI-Projekten hinzu, dass oftmals langjährig bestehende BI-Lösungen erweitert und angepasst werden müssen, um neue analytische Fragestellungen beantworten zu können. Wobei die ursprünglichen Systeme hierfür z. T. nicht konzipiert wurden. Herausforderungen sind dabei u. a. die Beibehaltung der Historie von Daten und das erschwerte Refactoring aufgrund fehlender Funktionskapselung mit standardisierten Programmierschnittstellen. Bei der Entwicklung von BI-Anwendungen handelt es sich um einen kontinuierlichen Prozess zur Erfüllung eines Informationsbedarfs mit permanenten Anpassungen auch während des Betriebs.

Agile Vorgehensmodelle und Methoden aus dem Software Engineering sind daher nicht eins zu eins auf Business Intelligence übertragbar. Die agilen Werte und Prinzipien, wie zum Beispiel die Wertschätzung von »Zusammenarbeit mit dem Kunden mehr als Vertragsverhandlung« und »Reagieren auf Veränderung mehr als das Befolgen eines Plans«, sind ein guter Ausgangspunkt, um eine anpassungsfähige BI-Entwicklung unter Berücksichtigung steigender Dynamik und Komplexität zu ermöglichen [Zimmer et al. 2012].

1.2 BI-Agilität und Agile Business Intelligence


Unter BI subsumierte Gesamtansätze zur Entscheidungsunterstützung stehen heute vor der Aufgabe, sowohl übergreifende Anforderungen nach Standardisierung als auch bereichsspezifische Agilitätsanforderungen abzubilden. Unter BI-Agilität wird in diesem Zusammenhang die Eigenschaft der BI einer Organisation verstanden, vorhersehbare und unvorhersehbare Anforderungen in Bezug auf Funktionalität oder den Inhalt einer BI-Lösung unternehmenseffizient in einem vorgegebenen Zeitrahmen in angemessener Qualität abzubilden. BI-Agilität beinhaltet einerseits eine Reaktion auf vorhersehbare Anforderungen und andererseits das proaktive Unterstützen von unvorhersehbaren Anforderungen vor dem Hintergrund einer für das Unternehmen effizienten Lösung. In diesem Zusammenhang werden unter Agile BI alle Maßnahmen zur Erhöhung [Zimmer 2015, S. 67] oder Verbesserung der BI-Agilität verstanden [Krawatzeck et al. 2013]. Dabei beschränkt sich Agile BI nicht allein auf die Auswahl und Anwendung eines agilen Vorgehensmodells zur Produktentwicklung, sondern schließt zudem Maßnahmen aus den Bereichen Prinzipien (z. B. Modularisierung, vgl. Kap. 6), Methoden (z. B. Testautomatisierung, vgl. Kap. 7) und Technologie (Data Lakes, vgl. Kap. 8 und 15) ein (vgl. Kap. 8 und 14). Grundlage für alle Methoden und Frameworks sind immer die agilen Werte und Prinzipien.

Abbildung 1–1 stellt die beiden Begriffe BI-Agilität als Eigenschaft der BI und Agile BI als konkrete Maßnahmen schematisch zueinander in Bezug.

Abb. 1–1 Definition der Begriffe BI-Agilität und Agile BI

Eine hohe BI-Agilität hat keinen Alleinvertretungsanspruch und ist immer unternehmensindividuell auszugestalten. Nicht jeder Unternehmensbereich unterliegt einer hohen Dynamik, sodass hierfür eine hohe BI-Agilität nicht zwingend notwendig ist und traditionelle Ansätze besser geeignet sein können. Die Notwendigkeit einer hohen BI-Agilität muss sich sowohl von der Unternehmensstrategie ableiten als auch durch die Anforderungen des Fachbereichs begründen lassen. Die Variationsmöglichkeiten von Agile-BI-Maßnahmen werden unmittelbar durch die BI-Architektur, die BI-Aufbauorganisation, die BI-Prozesse und letztlich die BI-Governance reglementiert [Zimmer 2015].

Innerhalb des durch die BI-Governance vorgegebenen...

Blick ins Buch
Inhaltsverzeichnis
Geleitwort5
Vorwort7
Inhaltsverzeichnis9
1 Agile Business Intelligence17
1.1 Einleitung17
1.2 BI-Agilität und Agile Business Intelligence19
1.3 Werte und Prinzipien für Agile Business Intelligence21
1.3.1 Werte22
1.3.2 Prinzipien23
1.4 Maßnahmen zur Steigerung der BI-Agilität27
1.4.1 Agile Methoden und klassische Vorgehensmodelle28
1.4.2 Organisatorische Maßnahmen29
1.4.3 Wechselwirkungen zwischen Maßnahmen und Unternehmen30
1.5 Struktur des Buches31
1.6 Ausblick34
2 Einsatz von Scrum in der Business Intelligence37
2.1 Einordnung von Scrum37
2.1.1 Das 3x3 in Scrum38
2.1.2 Ablauf eines Sprints42
2.1.3 Selbstorganisation des Teams43
2.1.4 Pro Scrum43
2.2 Besonderheiten von Business Intelligence und deren Auswirkungen auf Scrum44
2.3 Anpassung von Scrum46
2.3.1 Maßnahmen in der Gesamtorganisation47
2.3.2 Allgemeine organisatorische Maßnahmen48
2.3.3 Maßnahmen im BI-Team51
2.4 Folgen der Umsetzung von Scrum52
2.4.1 Projektleitung52
2.4.2 Planungsaspekte in der IT-Gesamtorganisation53
2.4.3 Planung und Priorisierung in Querschnittteams54
2.4.4 Architekturgremium55
2.4.5 Communitys56
2.4.6 Weiterbildung der Mitarbeiter56
2.4.7 Technologieaspekte57
2.5 Erfolgsfaktoren und Auswirkungen57
2.6 Herausforderungen59
3 Anforderungsmanagement durch User Stories61
3.1 Anforderungsmanagement in agilen BI-Projekten61
3.2 Business-Intelligence-Anforderungen als User Stories62
3.2.1 Was sind User Stories?63
3.2.2 Gute User Stories erstellen68
3.2.3 Planen und Schätzen71
3.2.4 Akzeptanzkriterien und Tests74
3.3 Fazit76
4 Modellierung agiler BI-Systeme77
4.1 Business-Intelligence-Architektur77
4.1.1 Schichtenmodell der BI-Architektur78
4.1.2 Modellierung des Core Data Warehouse81
4.2 Star-Schema-Modellierung im Core Data Warehouse82
4.2.1 Granulare Star-Schemata im Core Data Warehouse82
4.2.2 Bewertung dimensionaler Modelle im Core Data Warehouse83
4.3 3NF-Modelle im Core Data Warehouse84
4.3.1 Core-Data-Warehouse-Modellierung in 3NF84
4.3.2 Historisierungsaspekte von 3NF-Modellen85
4.3.3 Domänenkonzepte im 3NF-Modell87
4.3.4 Bewertung der 3NF-Modellierung im Core Data Warehouse89
4.4 Data-Vault-Ansatz90
4.4.1 Tabellentypen im Data-Vault-Modell90
4.4.2 Zeitstempel und Formen der Historisierung94
4.4.3 Harmonisierung von fachlichen Schlüsseln95
4.4.4 Bewertung der Data-Vault-Methode96
4.5 Fazit97
5 Data Vault für agile Data-Warehouse- Architekturen99
5.1 3. Normalform, Dimensional und Data Vault99
5.2 Automatisierung104
5.3 Geschäftsregeln104
5.4 Agile Business Intelligence106
5.5 Data Vault in der Praxis – eine exemplarische Darstellung107
5.6 Fazit114
6 Agile BI-Architekturen115
6.1 Einleitung115
6.2 Klassische BI-Architekturkomponenten und BI-Agilität116
6.3 Neue Architekturkomponenten und BI-Agilität117
6.3.1 Sandboxes117
6.3.2 Engines119
6.3.3 Bypässe119
6.4 Architekturansätze zum Umgang mit BI-Agilität120
6.4.1 Dezentralisierter Ansatz mit hohen Freiheitsgraden121
6.4.2 Autoritärer Ansatz121
6.4.3 Unüberwachter Sandbox-Ansatz122
6.4.4 Serviceorientierter Ansatz122
6.4.5 Serviceorientierter Ansatz mit werkzeuggestützten Sandboxes123
6.4.6 Einordnung der Architekturansätze123
6.5 Fazit125
7 Automatisiertes Testen127
7.1 Die Notwendigkeit von BI Testing127
7.2 Ziel von BI Testing130
7.2.1 Der fundamentale Testprozess130
7.2.2 Die Teststufen133
7.2.3 Die Testarten und die Softwarequalitätsmerkmale134
7.2.4 Die Testobjekte in BI-Systemen137
7.2.5 Der BI Testing Cube138
7.3 Das Problem der Testautomatisierung von BI Testing139
7.3.1 Was lässt sich beim Testen automatisieren?140
7.3.2 Übersicht über Werkzeuge zur automatisierten Testdurchführung140
7.4 Fazit145
8 Technologien, Architekturen und Prozesse147
8.1 Problemstellung147
8.2 Lösungsansatz149
8.2.1 Agile Methodik in Business-Intelligence-Projekten149
8.2.2 Grundsätze für Agile BI150
8.2.3 Anforderungen an eine Agile-BI-Architektur152
8.2.4 Architekturansatz154
8.2.5 Agile Datenbereitstellung156
8.3 Fazit157
8.3.1 Datenverständnis157
8.3.2 Architekturerweiterung158
9 BI-Agilität: Relevanz, Anforderungen und Maßnahmen159
9.1 BI-Agilität als vielschichtige Herausforderung159
9.2 BI-Agilität: Kontext und Relevanz160
9.3 Die Natur von BI-Agilitätsanforderungen161
9.4 Ansatz zur Identifikation und Selektion von BI-Agilitätsmaßnahmen164
9.4.1 Identifikation, Klassifikation und Priorisierung von BI-Agilitätsanforderungen164
9.4.2 Ableitung von Maßnahmen zur Steigerung der BI-Agilität165
9.4.3 Evaluation und Selektion von Maßnahmenbündeln167
9.5 Aktuelle Trends und ihre Agilitätsrelevanz169
9.5.1 In-Memory-BI169
9.5.2 Big Data170
9.5.3 Cloud-BI171
9.6 Fazit172
10 Agil und dezentral zum Enterprise Data Warehouse173
10.1 Die Landesbank Hessen-Thüringen – Helaba173
10.2 Auslöser und Ziele des BI-Projekts174
10.2.1 Ziele, Lösungsansatz und erwarteter Nutzen174
10.2.2 Projektpartner und zukünftige Nutzer175
10.2.3 Architektur des Enterprise Data Warehouse176
10.2.4 Projektmanagement und Change Management178
10.2.5 Beschreibung der BI-Organisation181
10.3 Maßnahmen zur Erhöhung der BI-Agilität182
10.3.1 Verzahnung von Kanban und Sprints183
10.3.2 Prinzipien185
10.4 Erfahrungen und Erfolgsfaktoren187
10.4.1 Realisierter Nutzen und bewirkte Veränderungen187
10.4.2 Reflexion der Barrieren und Erfolgsfaktoren187
10.5 Fazit189
11 Agile BI bei congstar191
11.1 congstar191
11.2 Ausgangssituation und Ziele des Projekts192
11.2.1 Ausgangssituation192
11.2.2 Gründe für das Scheitern einer klassischen Projektmethode193
11.2.3 Ziele des Data-Warehouse-Projekts bei congstar194
11.3 Projektablauf und Betrieb195
11.3.1 Das Data-Warehouse-Team195
11.3.2 Anwender des congstar Data Warehouse197
11.3.3 Architektur des congstar Data Warehouse197
11.4 Projektvorgehen198
11.4.1 Ablauf eines Sprints bei congstar198
11.4.2 Schnitt einer User Story201
11.4.3 Technologie202
11.4.4 Besonderheiten im congstar Data Warehouse203
11.5 Fazit207
11.5.1 Warum das DWH-Projekt bei congstar erfolgreich ist207
11.5.2 Lessons Learned208
12 Einführung von agilen Methoden im Coaching211
12.1 Unternehmen211
12.2 Ausgangssituation und Ziele des BI-Projekts212
12.3 Vom klassischen Projektvorgehen zur Kombination von agiler und klassischer Methodik213
12.3.1 Erste Projektphase: Klassische Projektmethodik und -architektur213
12.3.2 Zweite Projektphase: Kombination von agiler und klassischer Methodik215
12.4 Fazit227
13 In-Memory-Technologie als Enabler für Agile BI229
13.1 In-Memory-Technologien und Agile BI229
13.2 SAP Business Warehouse231
13.2.1 Allgemein231
13.2.2 SAP BW und In-Memory231
13.2.3 BW Workspaces232
13.3 Anwendungsfälle für BW Workspaces234
13.3.1 Lokale Erweiterung von Stamm- und Bewegungsdaten für das Flottenmanagement234
13.3.2 Rapid Prototyping als Interimslösung und zur Validierung236
13.3.3 Spezielle Projektberichte237
13.3.4 Nutzung als Self-Service-BI-Plattform237
13.4 Maßnahmen zur Erhöhung der BI-Agilität238
13.4.1 Technische Maßnahmen238
13.4.2 Delivery und Lebenszyklus239
13.4.3 Weitere Funktionen in SAP BW zur Erhöhung der BI-Agilität239
13.5 Erfahrungen und Erfolgsfaktoren240
13.5.1 Realisierter Nutzen und bewirkte Veränderungen240
13.5.2 Reflexion der Barrieren und Erfolgsfaktoren240
13.6 Fazit241
14 DevOps für Business Intelligence243
14.1 Warum ist das DWH für congstar so wichtig?243
14.2 Die DWH-Architektur bei congstar244
14.3 Einführung in DevOps für Business Intelligence246
14.4 Werte des Entwicklungsteams weitertragen248
14.5 Testmethodiken und Deployments251
14.6 Gemeinsame Deployments251
14.6.1 Automatisierte Datenbank-Deployments252
14.6.2 Automatisierte ETL-Deployments253
14.6.3 Testinfrastruktur254
14.7 Wenn es darauf ankommt: Troubleshooting255
14.7.1 Migration auf Tablespace mit Uniform Extent Size255
14.7.2 Konfigurative Eingriffe im Produktionssystem256
14.7.3 Datenbankanonymisierungen257
14.7.4 Monitoring-Berichte258
14.7.5 Restartmechanismen258
14.7.6 Backup und Recovery der Oracle-Datenbank259
14.7.7 Kapazitätsplanung259
14.8 Fazit260
15 Big Data und BI-Agilität im Marketing261
15.1 Auslöser und Ziele des Big-Data-Projekts261
15.2 Aufbau und Betrieb der Big-Data-Plattform263
15.2.1 Projektmanagement mit Scrum263
15.2.2 Architektur der Big-Data-Plattform266
15.2.3 Continuous Delivery271
15.3 Ein Beispiel für agile Datenanalyse272
15.3.1 Zusammenspiel der Big-Data-Plattform mit dem BI-Tool272
15.3.2 Exploratives Vorgehen273
15.4 Fazit274
Autoren277
Abkürzungsverzeichnis283
Literaturverzeichnis285
Index297
www.dpunkt.de0

Weitere E-Books zum Thema: Informatik - Algorithmen - Softwaresysteme

Softwaretechnik

E-Book Softwaretechnik
Format: PDF

Software-Projekte geraten oft in Schwierigkeiten: Zeit und Budget werden überschritten; das Projekt tritt auf der Stelle; im schlimmsten Fall wird es ohne Ergebnis abgebrochen. Manche…

Softwaretechnik

E-Book Softwaretechnik
Format: PDF

Software-Projekte geraten oft in Schwierigkeiten: Zeit und Budget werden überschritten; das Projekt tritt auf der Stelle; im schlimmsten Fall wird es ohne Ergebnis abgebrochen. Manche…

Softwaretechnik

E-Book Softwaretechnik
Format: PDF

Software-Projekte geraten oft in Schwierigkeiten: Zeit und Budget werden überschritten; das Projekt tritt auf der Stelle; im schlimmsten Fall wird es ohne Ergebnis abgebrochen. Manche…

Software Engineering

E-Book Software Engineering
Architektur-Design und Prozessorientierung Format: PDF

Das Lehrbuch behandelt alle Aspekte der Software-Entwicklung, besonders aber Methoden und Richtlinien zur Herstellung großer und qualitativ hochwertiger Softwareprodukte. Es vermittelt das zur…

Software Engineering

E-Book Software Engineering
Architektur-Design und Prozessorientierung Format: PDF

Das Lehrbuch behandelt alle Aspekte der Software-Entwicklung, besonders aber Methoden und Richtlinien zur Herstellung großer und qualitativ hochwertiger Softwareprodukte. Es vermittelt das zur…

Weitere Zeitschriften

arznei-telegramm

arznei-telegramm

Das arznei-telegramm® informiert bereits im 53. Jahrgang Ärzte, Apotheker und andere Heilberufe über Nutzen und Risiken von Arzneimitteln. Das arznei-telegramm®  ist neutral und ...

FREIE WERKSTATT

FREIE WERKSTATT

Die Fachzeitschrift FREIE WERKSTATT berichtet seit der ersten Ausgaben 1994 über die Entwicklungen des Independent Aftermarkets (IAM). Hauptzielgruppe sind Inhaberinnen und Inhaber, Kfz-Meisterinnen ...

BEHINDERTEPÄDAGOGIK

BEHINDERTEPÄDAGOGIK

Für diese Fachzeitschrift arbeiten namhafte Persönlichkeiten aus den verschiedenen Fotschungs-, Lehr- und Praxisbereichen zusammen. Zu ihren Aufgaben gehören Prävention, Früherkennung, ...

DGIP-intern

DGIP-intern

Mitteilungen der Deutschen Gesellschaft für Individualpsychologie e.V. (DGIP) für ihre Mitglieder Die Mitglieder der DGIP erhalten viermal jährlich das Mitteilungsblatt „DGIP-intern“ ...

Die Versicherungspraxis

Die Versicherungspraxis

Behandlung versicherungsrelevanter Themen. Erfahren Sie mehr über den DVS. Der DVS Deutscher Versicherungs-Schutzverband e.V, Bonn, ist der Interessenvertreter der versicherungsnehmenden Wirtschaft. ...