Sie ist einer der besonders wichtigen Erfolgsfaktoren für jeden Vermögensberater: Die Innovationskraft der DVAG und ihrer Partnergesellschaften bei Produkten. Und so ist es für Vermögensberater quasi selbstverständlich, jedes Jahr aufs Neue auf interessante Produktinnovationen zurückgreifen zu können, die oftmals auch noch Exklusivprodukte sind, die es ausschließlich bei einem Vermögensberater gibt. Und wenn sich eine Partnergesellschaft dann auch noch so modern präsentiert wie die Badenia Deutsche Bausparkasse, dann macht es richtig Freude, dem Kunden die Angebote zu vermitteln – natürlich im persönlichen Gespräch, ergänzend aber gerne auch mit interessanten “Erklärfilmen” oder aufschlussreichen Internetangeboten. Die neue Kampagnenseite der Badenia: http://www.das-richtige-fuer-jeden.de Überarbeitete Partner-Seite: http://www.badenia-dvag.de ________________________________  Badenia ImmoStart Sie träumen von Ihrer eigenen Immobilie? Egal, ob Sie eine Finanzierung planen oder sich Ihren Wunschzins sichern möchten – mit uns erreichen Sie Ihr Ziel.   Auf YouTube: http://youtu.be/x2tjnxfZ7Z8   Badenia ImmoFit Mit ImmoFit bilden Sie clever Rücklagen, um zum Beispiel Ihre Immobilie zu modernisieren. Gleichzeitig profitieren Sie von attraktiven staatlichen Prämien.   Auf YouTube: http://youtu.be/-uubcLTKiBA ________________________________    Das aktuelle Angebot unserer Erklär-Filme auf einen Blick:  http://vimeopro.com/dvag/explainity

Volker Frey von HRM Consulting ist immer ein gern gesehener Gastautor auf saatkorn. So hat er bereits über das Thema Recruiting und auch über Social Media geschrieben. Heute nun zum Thema “Talent Relationship Management” – Und wenn er dann noch Analogien zwischen meinem Lieblingsverein Borussia Dortmund und TRM zieht, und nach dem verkorksten BVB Wochenende...

In der Versicherungswirtschaft gibt es sie eigentlich schon immer: Die Spartentrennung, nach der die risikoreiche Schadenversicherung nicht gemeinsam mit der Kranken- und Lebensversicherung betrieben werden darf. Der Grund: Die hohen Einlagen der Kunden sollen geschützt bleiben vor den Risiken des Schadenversicherungsgeschäftes. Vernünftig, denn wenn es um Altersversorgung geht, sollten die dafür angesparten Mittel nicht dazu dienen, z.B. Verluste in der Haftpflicht- oder Betriebsunterbrechungsversicherung auszugleichen. Ähnlich soll es nun nach dem Willen der Bundesregierung auch bei Banken funktionieren. Diese sollen zukünftig ihr riskantes Eigengeschäft, zum Beispiel M&A oder Investmentbanking, in eigenständigen Tochtergesellschaften betreiben, um so potentielle Verluste aus solchen Geschäften nicht mit Erträgen aus dem klassischen Privatkundengeschäft ausgleichen zu können. Auch dies wohl ein vernünftiger Ansatz, wie das Beispiel der Lehman-Zertifikate gezeigt hat. Denn solche Zertifikate wurden von den Investmentbankern zusammengebastelt und dann im Privatkundengeschäft an ahnungslose Anleger verkauft, die letztendlich die Verluste tragen mußten.

SQL Server 2005-2012 While fact tables are usually tables with many rows but fewer columns, dimensions are just the opposite. Because of the denormalization we usually have dimension tables with quite a lot of columns. By this, end users can benefit from a large set of fields/attributes by which they can analyze their data. For example, for a date dimension we would have columns like Year, Month, Week, Day, Day Number of Year, Weekday, Holiday etc., all for the calendar and then again for the fiscal calendar. And if the DWH also supports more than one language, we may end up with different columns for each language (in star schema). So usually we have a large amount of columns in our dimension tables. One way to speed up dimension handling with many columns and rows comparing with the standard SSIS component for handling slowly changing dimensions is to use a separate data base table (stage), load new data to this table and to use a SQL merge command to update the original dimension table. An SCD 1 update may look like this: MERGE dbo.DimTest as t USING stage.DimTest as s ON t.bk = s.bk  WHEN MATCHED AND (t.attribute1 != s.attribute1 or t.attribute2 != s.attribute2 or t.attribute3 != s.attribute3)      THEN         update set t.bk = s.bk, t.attribute1 = s.attribute1, t.attribute2 = s.attribute2, t.attribute3 = s.attribute3   WHEN NOT MATCHED     THEN         insert (bk, attribute1, attribute2)         values (s.bk, s.attribute1, s.attribute2); You can find more examples (and also a merge command for an SCD 2 update in Sascha Lorenz’ blog here). Let’s focus on the line in red: Here we have to compare each changing attribute in order to determine if a change has occurred. In the example above, we have a dimension with a business key (bk) and three attributes. But what can we do, if there are 20, 30 or even more attributes? One proposed solution is to use a hash code to determine the change. Thinking of a hash function, the first thing that comes into view is the SQL server built-in hash functions, checksum or binary_checksum. Pinal Dave wrote a good explanation about these two functions. For our scenerio, binary_checksum is a candidate. In order to use this, we could add a new computed column to our stage and dimension table from above: [SCDhash]  AS (binary_checksum([attribute1],[attribute2],[attribute3])) Then, the red line could by changed to WHEN MATCHED AND (t.SCDhash != s.SCDhash) But wait, is this a reliable and secure method? As we know, check sum functions in general are not collision-free. Two different input values may lead to the same check sum. If this happens here, we wouldn’t be able to detect the attribute change. However, is this really a problem in this case? Let’s find out. The binary_hash function maps its input to a 32 bit integer value. This means that any input value is mapped to one of approx. 4.29 billion hash values. Assuming the binary hash function has a good distribution and therefore the chance to get any of those 4.29 billion values is equal, how likely are collisions? 4,29 billion seems to be a huge value. But when looking at collisions, the situation is different and also not intuitive. A similar topic is known as a the “birthday problem”. One result is that within 23 people the probability that two of them have the same birthday (day/month) is already 50%, although there are 365 possible birthdays. What does this mean for our binary_checksum function with 4.29 billion possible results (instead of 365 possible birthdays)? The following table shows the probability for collisions, depending on the number of rows. For example, if you compute a binary_checksum over 150,000 rows, the probability that two (or more) rows have the same checkum is already 92.7%. I’m always surprised by such results. Although a collision probability of exactly 100% is reached at 4.29 billion rows because of the pigeonhole principle, we almost get the same probabilty with only 400,000 rows! So, with binary_checksum, collisions are likely to happen. But does this mean that binary_checksum cannot be used as a hash function for dimension updates? There was a discussion about this topic in the Kimball Group’s forum in this this blog-entry. Especially interesting is the comment by user ngalemmo. The above probabilities for collisions are one thing, but in a change detection process we have already identified the source and destination row (by business key in SCD 1 and business key plus date from/to or current row indicator in SCD 2), so we’re only comparing two rows. This reduces the probability of errors a lot. For a single update, the chance of getting the same check sum is 1:4.29 billion, very low indeed. Since the error probability in this case depends on the number of updates (not on the number of rows in the dimension table), the following table shows the probability for a checksum error depending on the number of updates: For example, since the probability of a collision after 50 million updates is 1.15%, we would expect to have one out of 85 companies with 50 million updates on a dimension table, to actually get an error. Now, 50 million updates are really a lot for our “slowly” changing dimensions, so after all, this doesn’t sound much like a problem. Even 100,000 updates of dimension rows (“slowly changing”) are a lot and in this case, only one out of 40,000 companies would have a problem of a single dimension row not being updated. Case solved? Well, all these probability estimations above are pure theory. They are based on an ideal distribution of the binary_checksum function. The “real” probabilities depend on your data, the structure of your updates and the real distribution of binary_checksum. To demonstrate this, I took a list of US cities (43,628 rows in total) from http://www.geonames.org/. According to the table from above, the probability of two of those cities sharing the same binary hash is about 20% (exactly 19.87%). The chance to find a collision in this data set is close to role a 6 with a dice in the first try. It may happen, but you wouldn’t be too much surprised if not. After importing the list to a SQL server table, I used this query to determine the collisions: select binary_checksum(City), City, State, StateShort from USCities where BINARY_CHECKSUM(City) in ( select BINARY_CHECKSUM(City) from dbo.USCities group by BINARY_CHECKSUM(City) having COUNT(*)>1 and MIN(City)MAX(City) ) order by binary_checksum(City) Using this query I got 21 cases, where the binary checksum is identical but the city is different. This is much more, than I would have expected. Here are the cases: What we can see is, that binary_checksum seems to be especially weak to separate minor changes, especially changes of two letters, like in Hennessey and Tennessee. Another interesting observation is, that the value of the binary checksum is dependent on the input length: Short words result in smaller values thus raising the probability for collisions. But of course we would not only take the city name into the key. However, with more fields, changes in one field could potentially still be compensated by a change in another field. Here are some combinations: City, State Three collisions: City, ZIP Seven collisions: City, ZIP, State Two collisions: For example, when using City and ZIP code for the hash (binary_checksum), a relocation from Hood, 95639 to Erie, 58029 would not be detected. And what we can see from the City+State checksum is also a weakness of the binary_checksum function. In certain cases, moving a word from one field to another, still results in the same checksum. In this case “Augusta, West Virginia” and “West Augusta, Virginia” result in the same check sum. Since binary_checksum weights characters depending on their position, this depends on the length of the words. To continue my investigations I also tried a list of German street names. In some cases, even hyphens between words are ignored like in “Sankt Florian Straße” and “Sankt-Florian-Straße”. Also, totally different street names may result in the same check sum, for example “Heinrich-Heyd-Straße” and “Dardesheimer Straße”.   Conclusion It seems that binary_checksum gives more collisions than expected when being used with real world data sets. Don’t be dazzled by the amazing 4.29 billion possible output values! Since update errors are hard to find for end users and even harder to be tracked down by the developers, I wouldn’t recommend using binary_checksum as the checksum method for dimension updates. If you really have a large dimension (where update performance counts) with lots of columns, you may want to use a more reliable hash function like MD5 or SHA-1(using the hashbytes-function) or go for a field-by-field comparison. by Hilmar Buchta

Vor einigen Tagen hat Gartner seinen bekannten “Magic Quadrant for Business Intelligence and Analytics Platforms” in der Version für 2013 veröffentlicht. Gartner sieht in seinem Bericht Tableau erstmalig im Quadranten der Leader, nachdem Tableau im vergangenen Bericht noch als Challenger geführt wurde. Dieses unterstreicht die anhaltende Erfolgsgeschichte von Tableau. Mit einem Wachstum der Anwender um 75% und weiterhin der führenden Rolle wenn es darum geht, den Endanwender schnell und kosteneffizient in die Lage zu versetzen, mit Tableau seine Daten zu analysieren hat sich Tableau diese Positionierung über die Jahre verdient. Der Tableau Public User Siraj Alimohamed hat zu diesem Anlass einer sehr schöne Visualisierung erstellt, anhand der sich die Entwicklung der einzelnen Hersteller über die letzten Jahre innerhalb des Gartner Magic Quadrant analysieren lässt. by David Claßen

Anknüpfend an die zweite Börsenregel (“The trend is your friend”), die wir im Blog-Beitrag vom 4. Februar thematisierten, heute Regel Nummer drei. Börsenweisheit 3: “Greife nie in ein fallendes Messer” Der aus dem Englischen “Never catch a falling knife” übertragene Ausspruch ist eine der bekanntesten Börsenweisheiten. Diesen Börsenspruch zu beachten, kann dem Anleger einiges an Stress und Verlust ersparen. Denn wenn das Messer, sprich die Aktienkurse, erkennbar sinken, fallen sie meist auch noch weiter. Es empfiehlt sich daher abzuwarten, bis sich die Kurse stabilisieren, also einen Boden herausgebildet haben, um erst dann zu kaufen. Den absolut richtigen Zeitpunkt dafür kennt allerdings niemand. Auch nach einer Bodenbildung kann es noch einmal erneut abwärts gehen. Doch zu diesem Zeitpunkt wird häufig bereits das Schlimmste überstanden sein, so dass sich die erneuten Kursrückgänge in Grenzen halten. Vorsichtige Anleger warten, bis sich der Kurs wieder ein Stück weit nach oben orientiert und kaufen dann.

We had an amazing response to the music selection this year at Webtrends Engage 2013 in San Francisco. So much so that there was an unbelievable demand for us to post the track listing that we used. Now before we take credit for all of it, I must disclose that a lot of these selections were chosen directly by our keynote speakers. Well done. We have created a spotify playlist that you can listen to by clicking here or the image below. Also below is the song list and you can click on any of the titles to buy the tracks directly from iTunes. Karate – Kennedy The Real Me – The Who Digital World – Patrick Norman Right Here, Right Now – Fatboy Slim Cell Phone – Victor Wooten A Little Less Conversation, A Little More Action Please – Elvis & JXL Bom Bom – Sam and the Womp Pride. In the Name of Love – U2 Facebook – Edo Maajka Owl – Johnny Bregar Collaborate – TL Williams Praise You – by Fatboy Slim Thrift Shop – Macklemore & Ryan Lewis Enjoy!

  Die Service Level Agreements einiger Cloud-Service-Provider geben laut Gartner dem Kunden keine realistische Chance, bei Ausfall von Cloud-Services eine Rückvergütung zu erhalten. (Bild: Gerd Altmann / pixelio.de) Eigentlich ist es ja ganz schön, wenn ein Unternehmen dem Kunden eine „Geld-zurück-Garantie“ einräumt. Da macht die Shopping-Tour gleich sehr viel mehr Spaß. Schließlich kann man die erstanden Waren ja gefahrlos wieder zurückgegeben. Das ist speziell bei Geburtstageschenken für schwierige Zeitgenossen eine unschätzbare Hilfe. Sollte beispielsweise Tante Amalie den „Röhrenden Hirsch am Walchensee“ doch nicht übers Sofa hängen wollen – schwuppdiwupp zurück damit zum Online-Bilderversand und „Cash back“. Gleiches ist höchst angenehm, wenn der geschätzte Abteilungsleiter einen Schreikrampf bekommt, weil ihm seine Kollegen einen schicken USB-Mail-Melder („Ich kriege pro Tag 100 E-Mails, ihr Trottel!“) schenken. Der kündigt jede eingehende Nachrichte mit einem fröhlichen Lichtsignal und einem unüberhörbaren Warnton an. Bei Nichtgefallen zurück und Cash-back: Wenn dem Chef der USB-Mail-Melder nicht gefällt, den ihm seine Kollegen geschenkt haben, können diese das Produkt beim Online-Versender umtauschen oder sich den Kaufbetrag zurückerstatten lassen. Bei Cloud-Computing-Diensten ist das nicht so einfach. (Bild: getDigital.de) Doch auch in anderen Bereichen ist „Cash back“ angesagt, unter anderem beim Cloud Computing. Denn in Service Level Agreements sichern Cloud-Service-Provider ihren Kunden Kompensationszahlungen zu. Diese werden dann fällig, wenn entgegen der Vereinbarung IT-Dienste wie Rechenleistung oder Storage-Kapazitäten (bei Infrastructure as a Service), aber auch Anwendungen (bei Software as a Service) zeitweilig gar nicht oder nicht in der vereinbarten Qualität zur Verfügung stehen. Cloud-Service-Level-Agreements lückenhaft Lydia Leong, Vice President Research bei der Marktforschungs- und Beratungsfirma Gartner, sorgte nun für Aufruhr in der Cloud-Computing-Szene, speziell bei HP und Amazon. Der Grund: Sie kritisierte die Service Level Agreements, die beide Unternehmen den Nutzer ihrer Cloud-Services einräumen, als völlig unzureichend. Leongs Kritik bezieht sich auf die IaaS-Angebote von Amazon und HP, wobei beide Unternehmen eher als Exempel herangezogen werden. Ein wesentlicher Kritikpunkt der Gartner-Analystin: Die SLAs beider Firmen sind so “gestrickt”, dass die Voraussetzungen für “Cash-back” an den Kunden nur in Ausnahmefällen erfüllt sein dürften. Eiertanz zwischen Instanzen, Regionen und Availability Zones Zum technischen Hintergrund: Beide Firmen haben ihre Cloud-Infrastruktur in „Regionen“ aufgeteilt. Derzeit unterhält beispielsweise Amazon weltweit neun Regionen, davon jeweils drei in den USA und Asien und je eine in Europa und Südamerika. Hinzu kommt die AWS GovCloud, eine spezielle Cloud-Umgebung für US-Regierungseinrichtungen. Amazon bietet seine Cloud-gestützten Web-Services in acht Regionen der Welt an. Hinzu kommt noch eine spezielle “Government-Cloud” für US-Behörden. (Bild: Amazon)  In diesen Regionen sind wiederum mehrere „Availability Zones“ (AZ) vorhanden. Eine AZ ist de facto ein separates Rechenzentrum, über das die IaaS-Cloud-Dienste bereitgestellt werden. Amazon Web Services hat beispielsweise in der Region Europa drei solcher Verfügbarkeitszonen eingerichtet, die über High-Speed-Datenleitungen miteinander verbunden sind. Dem Anwender stellen HP und Amazon in einem Rechenzentrum in der gewünschten Region Virtual Machines (Instanzen) zur Verfügung, inklusive des dazu gehörigen lokalen Speicherplatzes. Für spezielle Anwendungen wie Datenbanken sind blockorientierte Storage-Dienste vorhanden. Diese speichern Daten nicht in Form von Dateien oder ganzen Ordnern, sondern in kleineren „Häppchen“, so genannten Datenblöcken. Der Vorteil ist, dass sich solche Blöcke schneller transportieren lassen. Diese Block-Storage-Services sind einer speziellen AZ zugeordnet und können auch nur von Instanzen (Virtual Machines) genutzt werden, die in dieser AZ angesiedelt sind. Pro Region sind bei HP und, wie in der Grafik zu sehen, auch bei Amazon mehrere „Availability Zones“ (AZ) vorhanden, also separate Rechenzentren. Amazon unterhält in der Region Europa derzeit drei AZ. (Bild: Amazon)  Und hier liegt ein Teil des Problems: Für HP und Amazon heißt „Verfügbarkeit“ laut ihren SLAs nicht, dass eine Instanz oder eine einzelne AZ bereitstehen müssen, sondern eine gesamte Region. Bei den Amazon Web Services gilt beispielsweise ein Service erst dann als nicht verfügbar, wenn ein Anwender Virtual Machines in zwei Availability Zones, also in zwei getrennten Rechenzentren, unterhält und beide AZ nicht erreichbar sind. Humaner gibt sich HP: Nichtverfügbarkeit heißt, dass eine Instanz nicht für Application Programming Interfaces (APIs), also Programmierschnittstellen, oder für Netzwerkanfragen zugänglich ist. Und zwar auch dann nicht, wenn der Nutzer eine Ersatz-Instanz in einer anderen AZ derselben Region zu starten versuchte, das aber misslang. Doppelt moppeln Laut Gartner-Analystin Leong heißt das, dass zumindest bei Amazon ein User gezwungen ist, dieselbe Virtual Machine in zwei AZ laufen zu lassen, also zwei Rechenzentren, wenn er in Genuss des SLAs kommen möchte. Das bedeutet einen höheren Aufwand und erhöhte Kosten. Allerdings hat das Replizieren der Daten zwischen zwei AZ auch Vorteile: Es erhöht die Ausfallsicherheit und damit auch die Verfügbarkeit von Services. Ein weiterer Haken laut der Gartner-Analystin ist, dass bei Amazon und HP blockorientierte Storage-Ressourcen von den SLAs ausgenommen sind. Es gibt jedoch sehr wohl Workloads, die auf Blockspeicher angewiesen sind. Es nützt in diesem Fall nichts, wenn eine Virtual Machine guter Dinge ist, die Storage-Ressourcen aber nicht zur Verfügung stehen. Dann stehen auch die entsprechenden IT-Services nicht bereit. Ein Cash-back erhält der Anwender in diesem Fall laut den SLAs trotzdem nicht. In Sachen Cash-back zeigen sich gerade große Cloud-Service-Provider geizig. (Bild: TommyS / pixelio.de) Pech für ein Online-Handelsportal, wenn es beispielsweise weniger „Röhrende Hirsche“ absetzen kann, weil ein Cloud-Service nicht zur Verfügung steht. Zudem sind Lydia Leong zufolge in etliche Service Level Agreements, ähnlich wie auch in IT-Outsourcing-Verträgen, oft weitere Falltüren versteckt, etwa ab wann die Uhr zu ticken beginnt und die Minuten erfasst werden, die als „Downtime“ gelten. In Service Level Agreements sind häufig Regelungen zu finden, nach denen erst nach sechs Minuten Nichtverfügbarkeit eines Cloud-Services (bei HP) ein Ausfall auch tatsächlich ein Ausfall ist. Oder der Provider wählt eine für ihn günstigere Bemessungsgrundlage. Gartner moniert beispielsweise, dass bei Amazons Web Services die Verfügbarkeit von 99,95 Prozent pro Jahr ermittelt wird. Das heißt, kleinere monatliche Ausfälle bleiben außen vor. Dafür erhält der Nutzer auch keine Vergütung. Nur dann, wenn beispielsweise ein Cloud-Service bei einem 24 x 7-Betrieb (das sind 8760 Stunden im Jahr) mehr als 43,8 Stunden ausfällt, erfolgt eine Rückvergütung. Auch in diesem Fall ist HP kundenfreundlicher: Das IT-Unternehmen berechnet die Ausfallzeiten pro Monat. Gartners Fazit: Cash-back bleibt Ausnahme Das Fazit von Lydia Leong zu den SLAs im Cloud-Computing-Markt fällt denn auch ernüchternd aus: Auch bei massiveren Ausfällen von Cloud-Services sei eine Rückerstattung durch den Provider die Ausnahme. Zu undurchdringlich sei der Wall, den Anbieter von Cloud-Diensten mithilfe von SLAs errichtet hätten. Dennoch sollten sich potenzielle Cloud-Computing-Nutzer nicht von den genannten Beispielen abschrecken lassen. Laut Leong verwendet ein Teil der Provider sehr wohl kundenfreundliche Service Level Agreements. Zudem ist zu berücksichtigen, dass es einen Unterschied macht, ob ein Unternehmen die Cloud-Services eines eher anonymen “Massenanbieters” wie Amazon oder eines mittelständischen Cloud-Service-Providers – wie etwa Pironet NDH – nutzt. Denn während es ein Großanbieter verschmerzen kann, wenn der ein oder andere unzufriedene Kunden abspringt, ist ein kleinerer Provider extrem von seinem guten Ruf und der vertrauensvollen Zusammenarbeit mit seinen Kunden abhängig. Dazu gehören auch transparente und faire SLAs. Hinzu kommt ein weiterer Punkt: Ein mittelständischer Cloud-Service-Provider ist eher in der Lage, auf die speziellen Anforderungen von kleinere und mittleren Unternehmen einzugehen als ein „Großer“. Das schließt nicht nur die individuelle Abstimmung von Services auf den Kunden mit ein, sondern auch die Anpassung vertraglicher Vereinbarungen. Ein solcher Ansatz ist in jedem Fall einer „One-fits-all“-Strategie vorzuziehen, die viele große Cloud-Service-Provider derzeit verfolgen.  

Nach Teil 1 des Interviews mit Julian Ziesing von Potentialpark folgt heute der angekündigte 2. Teil, in dem es vor allem um Trends und international relevante Themenfelder geht. Have fun: saatkorn.: Was werden in 2013 die wichtigsten Trends aus Eurer Perspektive für die Themenfelder Karrierewebsites, Bewerberhandling und Social Media? In einem Wort: Mobil. 2011 haben...