Das multidimensionale Datenmodell Flashcards
Elemente des Hypercube
Kennzahl (Kenngröße, Maßzahl, Variable, Fakt, Metrik); einfach (z.B. Umsatz ) oder komplex (z.B. Anteil am Unternehmensumsatz )
-> quantitative Daten.
Achsen des Hypercube
Dimensionen (z.B. Produkt, Geographie, Zeit); Dimensionen können (mehrstufig) hierarchisch aggregiert sein.
-> qualitative Daten.
Operator: Drill Down
Eine Ebene nach unten: Von Monat zu Tagen, von Bundesländern zu Landkreisen
Operator: Roll up
Eine Ebene nach oben: Von Monat zu Jahren, von Bundesländern zu Staaten
Operator: Selection
Auswahl von Kennzahlen anhand vorgegebener Kriterien.
Ergebnis: 1- bis n-dimensional
Operator: Slice
Selektieren einer „Scheibe“ aus dem n-dimensionalen Hypercube.
Ergebnis: (n-1)-dimensional
Operator: Dice
Selektieren eines „Teil-Würfels“ aus dem n-dimensionalen Hypercube.
Ergebnis: n-dimensional
Operator: Rotate
Vertauschen von zwei Dimensionen, z.B. Zeit und Produkt
Nützlich für Kreuztabellen
Was ist Multidimensionales OLAP (MOLAP)?
Aus den in einem relationalen Datenbanksystem gespeicherten Daten wird „auf Vorrat“ eine multidimensionale Datenstruktur (mehrdimensionaler ARRAY) aufgebaut und gespeichert. Anfragen an das Data-Warehouse-System werden direkt aus dieser
multidimensionalen Datenstruktur bedient.
Was ist Relationales OLAP (ROLAP)?
Die multidimensionale Datenstruktur ist eine nicht-materialisierte Sicht (View) auf die Tabellen des relationalen Datenbanksystems. Anfragen an das Data-Warehouse-System werden in SQL-Anfragen an das relationale Datenbanksystem umgesetzt; die
Ergebnisse werden an der OLAP-Schnittstelle in Form multidimensionaler Datenstrukturen präsentiert.
Was ist Hybrides OLAP (HOLAP)?
Kombination aus MOLAP und ROLAP
Star-Schema
Jede Dimension wird in genau einer, ggf. denormalisierten Tabelle verwaltet.
Snowflake-Schema:
Dimensionshierarchien werden in normalisierten Tabellen verwaltet; dabei wird für jede Aggregationsstufe einer Dimension eine eigene Tabelle gebildet.
Multidimensionales Datenmodell: Metaebene M0 bis M2
M0: multidimensionale Datenstruktur; Umsatzwerte; Ausprägungen der einzelnen Attribute
M1: multidimensionales Datenschema; Umsatz; Geographie, Produkt, Zeit
M2: Kennzahl; Dimension, Attribut, Dimensionshierachie