Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Studium > DBM > Flashcards

DBM Flashcards

1
Q

Entwicklung relationale Datenmodell:

A
  • Edgar F. Codd 1970,
  • Datensicht als zweidimensionale Tabelle
  • Basierend auf der mathematischen Theorie der Relationen und Prädikatenlogik 1. Ordnung
  • Anwendung von systematischen Methoden
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Mathematische Grundlage relationale Datenmodell (1):

A

Gegeben sind nicht notwendigerweise disjunkte Mengen (Domänen)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Mathematische Grundlage relationale Datenmodell (2):

A

R wird als Relation auf diesen Mengen bezeichnet, wenn R eine Menge von geordneten n-Tupeln ist

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Mathematische Grundlage relationale Datenmodell (3):

A

Di wird als Wertebereich von R bezeichnet

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Mathematische Grundlage relationale Datenmodell (4):

A

n wird als Grad von R bezeichnet (Grad: Anzahl der Attribute (n))

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Mathematische Grundlage relationale Datenmodell (5):

A
  • Darstellung der Relation erfolgt in Form von Spalten und Zeilen (Tabelle)
  • Spalten werden als Attribute bezeichnet
  • Zeilen bilden die n-Tupel
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

relationale Datenmodell (1):

A
  • Relationenschema R(A1, A2, …, An):
  • Relationenname R und Attributliste
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

relationale Datenmodell (2):

A

relationales Schema beschreibt Relation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

relationale Datenmodell (3):

A

Relation r(R) eines Relationenschemas R(A1, A2, …, An)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

relationale Datenmodell (4):

A

Menge von n-Tupeln: r = {t1, t2, …, tm}

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

relationale Datenmodell (5):

A

Kardinalität: Anzahl der Tupel (m)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

relationale Datenmodell (6):

A

n-Tupel t = (v1, v2, …, vn): geordnete Liste von n Werten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Definition - relationale Datenmodell (1):

A

Jedes Attribut besitzt einen eindeutigen Namen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Definition - relationale Datenmodell (2):

A

Jedes Attribut wird durch seinen Namen referenziert

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Definition - relationale Datenmodell (3):

A

Attribute unterliegen keiner Ordnung

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Definition - relationale Datenmodell (4):

A

Attribute in einer Tabelle müssen atomar sein

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Definition - relationale Datenmodell (5):

A

Jede Zeile in einer Tabelle ist eindeutig

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Definition - relationale Datenmodell (6):

A

Die Kardinalität ist die Anzahl der Zeilen zu einem Zeitpunkt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Eindeutigkeit ?

A

je Zeile ein Schlüssel

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Schlüsselarten ?

A
  • Primärschlüssel
  • Fremdschlüssel
  • Zusammengesetzter Primärschlüssel
  • Zusammengesetzter Fremdschlüssel
  • Schlüsselkandidat
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

IBM - SEQUEL ?

A

Structured English Query Language

1971 (Prototyp System R)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

SQL - Sprachtyp?

A

deklarative Sprache

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

SQL implementierungsmethoden

A
  • Direktes SQL - SQL-Anweisungen interaktiv
  • Modulsprache - SQL-Anweisungen in Programmen in getrennter Form
  • Call Level Interface (CLI) SQL-Anweisungen eingebettet durch SQL-Implementierung mittels einer Bibliothek für Programmiersprachen
  • Embedded SQL - SQL-Anweisungen innerhalb der Programmiersprache
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Sprachbestandteile ?

A
  • Data Definition Language (DDL): Befehle zur Definition des Datenbankschemata -
  • Data Manipulation Language (DML): Befehle zur Datenmanipulation = Projektion und Abfrage sowie Ändern, Einfügen, Löschen -
  • Data Control Language (DCL): Befehle für die Rechteverwaltung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

SQL92 (Bestandteile)

A
  • Erweiterte Datentypen
  • Auf-/Abbau von Client-/Server-Verbindung
  • Dynamisches SQL
  • Cursor (scrollable)
  • Outer-Joins
  • Intersection-, Minus-Operator
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Datentypen von SQL92 (numerisch)

A
  • integer (integer4)
  • integer (integer2)
  • numeric (p, q) Dezimalzahl mit genau p Stellen, davon q hinter dem Dezimalzeichen
  • decimal (p, q) Dezimalzahl mit mindestens p Stellen, davon q hinter dem Dezimalzeichen
  • real
  • float (p)
  • double
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Datentypen von SQL92 (Zeichen)

A
  • char{acter} (n): Zeichenkette mit genau n Zeichen - Speicherbedarf: n Byte
  • char{acter} varying (n)/varchar (n) : Zeichenkette mit höchstens n Zeichen Speicherbedarf: Länge der Zeichenkette
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

Datentypen von SQL92 (Erweitert)

A
  • bit (n)
  • bit varying (n)
  • date
  • time
  • timestamp
  • datetime
  • blob
  • clob
  • stream
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

Operatoren (Zahlen)

A

+, -, *, /, %

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

Operatoren (Datum-/Zeitangaben)

A

+, -

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

Operatoren (Boolesche Verknüpfung)

A

and, or, not

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

Operatoren (Vergleiche)

A

=, >, <, >=, <=, <>

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q

SQL92 Abfrage?

A

SELECT < expression >
FROM < table-name >
[WHERE < search-condition >]
[GROUP BY … [HAVING …]
[ORDER BY …]

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q

SQL 92 Bestandteile einer Abfrage

A
  • Projektion
  • Source/Quelle
  • Restriktion
  • Groupierung / Having-Restriktion
  • Sortierung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

Mit welcher Erweiterung wird in der Projektion eine Mehrfachnennung unterbunden?

A

DISTINCT

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

Mit welcher Erweiterung wird in der Projektion ein Attribut-Name geändert?

A

AS ‘neuerAttributname’

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
37
Q

Wie wird die Ergebnismenge Aufsteigend sortiert

A

ORDER BY <attributname> ASC</attributname>

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
38
Q

Wie wird die Ergebnismenge Absteigend sortiert

A

ORDER BY <attributname> DESC</attributname>

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
39
Q

Wie wird ein Intervall abgefragt? (Welche Teile wiegen zwischen 13 und 20 kg)

A

… WHERE BETWEEN 13 AND 20

40
Q

SQL92 – Patternmatching

A

Beispiel für Mindestens zwei Zeichen … <attributname> LIKE 'C_%'</attributname>

  • _ als Platzhalter für genau ein Zeichen
  • % als Platzhalter für beliebige Anzahl Zeichen
41
Q

Verarbeitungsregel für SQL:

A
  1. Kreuzprodukt über alle Tabellen, die FROM benennt
  2. Restriktion: Zeilen bestimmen, welche die WHERE-Bedingung erfüllen
  3. Gruppenbildung
  4. Gruppen-Restriktion
  5. Mengenbildung
  6. Projektion: Spalten gemäß SELECT-Klausel auswählen
  7. Sortieren
42
Q

Unterabfragen liefern …

A
  • genau eine Ergebniszeile: Ergebnis der Unterabfrage wird mit Attributen der Hauptabfrage verglichen
  • mehrere Ergebniszeilen: WHERE-Bedingung arbeitet mit Mengenoperationen
    • IN: prüft ob ein Wert in der Unterabfrage enthalten ist
    • EXISTS: prüft ob wenigstens eine Zeile eine Bedingung erfüllt
    • < Θ > ANY, < Θ > SOME: prüfen, ob irgendeine Zeile den Operator erfüllt
    • < Θ > ALL: prüft, ob alle Zeilen den Operator erfüllen
    • Θ-Operator: =, <, <=, >, >=, <>”
43
Q

SQL92: Skalare Funktion - Mathematische Funktionen?

A
  • ABS, ACOS, ASIN, ATAN, ATN2, CEILING, COS, COT, EXP, FLOOR, LOG,
  • LOG10, PI, POWER, RADIANS, ROUND, SIGN, SIN, SQRT, SQUARE, TAN
44
Q

SQL92: Skalare Funktion - Zeichenketten Funktionen?

A

CHARINDEX/INSTR, LEFT, LEN, LOWER, LTRIM, RIGHT, RTRIM, SUBSTRING,
UPPER

45
Q

SQL92: Skalare Funktion - Zeit- und Datumsfunktionen?

A

CURRENT DATE, CURRENT TIME, CURRENT_TIMESTAMP, DAY, MONTH,
SYSDATE, TRUNC, TO_DATE, YEAR

46
Q

SQL92: Skalare Funktion - Aggregatfunktion?

A

AVG, MAX, MIN, SUM, STDEV, COUNT

47
Q

Wie werden Ergebnis zusammen gefasst (Gruppierungen)?

A

Mit GROUP BY , dabei drauf Achten das nur Attribute in der Projektion enthalten sind, welche auch groupiert wurden

48
Q

Restriktion einer Groupierung ?

A 
HAVING - Klausel (...GROUP BY  sno
 HAVING count(qty) \> 1;)
49
Q

Was macht JOIN?

A

JOIN verbindet zwei Tabellen unter Angabe der Schlüsselbeziehung (PK-FK) (SELECT s.sname, sp.pno
FROM supp_parts sp
JOIN suppliers s
ON s.sno = sp.sno
WHERE sp.pno = ‘P1’;)

50
Q

Alternative zu JOIN

A

In der Quelle, alle benötigen Tabellen angeben und das Kreuzprodukt durch die Restriktion einschränken

51
Q

Verarbeitungsregel für SQL-JOIN:

A
  1. Schritt Kreuzprodukt aller Tabellen
  2. Schritt Zusammengehörige Zeilen gemäß ON-Bedingung bestimmen
  3. Schritt Restriktion gemäß WHERE
  4. Schritt Projektion, um die gewünschten Spalten zu bestimmen
52
Q

Regeln für JOIN

A
  • Spaltentypen müssen kompatibel sein,
  • Empfehlung: Geschwindigkeitsvorteil bei Identität der Spaltentypen
  • Spaltennamen müssen nicht identisch sein
  • JOIN-Operator: =, >, <, >=, <=
  • Restriktionsbedingungen zulässig
  • Tabellenanzahl für Join vom DBMS abhängig
  • JOIN-Operator = wird als Equi-Join bezeichnet
53
Q

NULL - Werte bei JOIN

A
  • JOIN-Bedingung ON kann eine Eingabe von NULL haben
  • INNER JOIN verwirft Zeilen mit Join-Attributen, die NULL sind
  • OUTER JOIN erlaubt dies
    • LEFT OUTER JOIN: linke Tabelle NULL
    • RIGHT OUTER JOIN: rechte Tabelle NULL
    • FULL OUTER JOIN: linke oder rechte Tabelle NULL”
54
Q

Welche Mengenoperatoren gibt es und was machen Sie?

A
  • UNION: Vereinigung der Ergebniszeilen
  • UNION ALL: Vereinigung der Ergebniszeilen inkl. Dupletten
  • INTERSECT: Schnittmenge der Ergebniszeilen
  • MINUS: Restmenge der Ergebniszeilen; erstes SELECT \ zweiter SELECT
55
Q

Nenne die UNION-Regeln ?

A
  • Beliebig viele Zeilenmengen können vereinigt werden
  • Spaltennamen der Zeilenmengen können verschieden sein
  • Spaltentypen müssen kompatibel sein
  • Spaltentyp der Ergebnismenge wird von erster Zeilenmenge bestimmt
56
Q

DML - Syntax zum Einfügen von Zeilen:

A

INSERT INTO <table_name><br></br> [(col1, col2, …, colN)]<br></br> VALUES (val1, val2, …, valN)</table_name>

57
Q

Was muss bei einem INSERT beachtet werden?

A
  • Anzahl an col und der angegebenen Werte val muss übereinstimmen
  • Reihenfolge bestimmt die Zuordnung
  • nicht angegebene Attribute (erste Klammer) werden
    • mit DEFAULT-Wert belegt,
    • mit NULL belegt.
  • in der ersten Klammer fehlende Attribute müssen mit DEFAULT-Wert oder NULL-Wert definiert sein
58
Q

DML -Syntax – INSERT mittels Abfrage

A

INSERT INTO parts
(pno, pname, color, weight, city)
SELECT ‘TRN_’ + pno, pname, color, weight, city
FROM parts;

59
Q

DML - Syntax - Löschen von Zeilen

A

DELETE FROM <table_name><br></br> [WHERE <search_condition>]</search_condition></table_name>

60
Q

DML - Lösch Effekte?

A
  • DELETE löscht Daten unter Beachtung der Foreign-Key-Constraints
  • Datenbankschema sollte bekannt sein, um ““Effekte”” durch das Löschen beurteilen zu können
  • zum Löschen Transaktionen nutzen
61
Q

DML - Syntax - Löschen von Tabellen

A

DROP TABLE [CASCADE]

löschen der Tabelle inkl. aller Daten

62
Q

DML- DROP TABLE - Was bewirkt CASCADE?

A

CASCADE entfernt abhängige Datensätze in anderen Tabellen

63
Q

DML - Syntax - Update von Zeilen?

A

UPDATE
SET col = val [,col2=val2, col3=val3, …]
[WHERE]

64
Q

Was sind Views?

A
  • virtuelle Tabellen, Attribute und deren Datentypen stammen von den Basistabellen
  • Berechnung der “Tupel” zur Laufzeit (Abfrage)
  • Anpassung an spezielle Benutzerbedürfnisse, Datenschutz usw.
  • zum Verbergen von “komplexen” Strukturen (Bsp.: Primär-Fremdschlüssel-Beziehungen (Joins))
65
Q

Vorteile von Views?

A
  • Adaption an verschiedene Benutzerklassen
  • nur relevante Daten werden angezeigt
  • Spalten können benutzungsfreundlich präsentiert werden
  • Schemaänderungen sind möglich
66
Q

Syntax von Views?

A

CREATE VIEW <view_name><br></br> [(<column_name> [, <column_name> …] ) ]<br></br> AS <query_expression><br></br> [WITH CHECK OPTION] </query_expression></column_name></column_name></view_name>

Beispiel:

CREATE VIEW red_parts AS

  SELECT \* FROM parts WHERE  color = 'red' "
67
Q

Unter welchen Vorrausetzungen sind Updates auf Views möglich?

A
  • nur eine Basisrelation
  • Schlüssel muss (komplett) sichtbar bleiben
  • keine Verwendung von Aggregaten, Gruppierungen, Duplikateliminierung (DISTINCT)
68
Q

Was ist DDL?

A
  • DDL = SQL-Data Definition Language
  • Anweisungen, um Datenstrukturen zu definieren
  • Definition der
    • Datenbankstruktur (Tabellenerstellung, usw.)
    • Speicherungsstrukturen (Heap, usw.)
    • Zugriffshilfsstrukturen(Indizes, usw.)
69
Q

Wie erstellt man eine Tabelle?

A

CREATE TABLE <table-name><br></br> (Spaltendefinition1, …, SpaltendefinitionN<br></br> [, Integritätsregel1, …, IntegritätsregelM] )</table-name>

 SpaltendefinitionI ::= Spaltenname Typeangabe
  [DEFAULT Klausel]
  [Spaltenintegritätsregel]

Beispiel:

CREATE TABLE example
(
id INT NOT NULL,
value FLOAT NOT NULL
);

70
Q

Regeln zum Erstellen einer Tabelle?

A
  • Beliebig viele Zeilenmengen können vereinigt werden
  • Tabellenname muss innerhalb eines Schemas eindeutig sein
  • Spaltenname muss innerhalb einer Tabelle eindeutig sein
  • Spaltenintegritätsregel, z.B.: NOT NULL
71
Q

Integritätsbedingungen ?

A

Operationale Integrität

  • Gewährleisten der Funktion nach Hardwarefehlern, Vandalismus
  • Sicherung gegen Probleme, die durch Mehrbenutzerbetrieb entstehen

Semantische Integrität

  • Konsistenz zur Laufzeit gemäß den definierten Bedingungen:
  • Entitäts-Integrität
  • Eine Zeile ist in der Tabelle eindeutig (Bsp.: CREATE UNIQUE INDEX, UNIQUE,PRIMARY KEY)
  • Wertebereichs-Integrität
  • Ein Wert wird auf eine gültige Domäne beschränkt (Bsp.: CHECK, DEFAULT, NOT NULL)
  • Referentielle-Integrität
  • Fremdschlüsselbeziehungen werden überwacht (Bsp.: FOREIGN KEY)
  • Benutzerdefinierte-Integrität
  • Modellierte Bedingungen (Bsp.: Trigger)”
72
Q

Was ist ein Primärschlüssel?

A

Attribut einer Tabelle, welches einen Satz eindeutig charakterisiert (Entitäts-Integrität)

73
Q

Was ist ein zusammengesetzter Primärschlüssel?

A

Ein Attribut ist nicht eindeutig Primärschlüssel - mittels mehrerer Attribute bildbar

Beispiel:
ALTER TABLE Supp_Parts
ADD CONSTRAINT PK_Supp_Parts
PRIMARY KEY (sno,pno);

74
Q

Wie können Nicht - PrimärschlüsselAttribute als Eindeutige Attribute erstellt werden?

A
  • Nicht-Primärschlüssel-Attribute können mit UNIQUE auf Eindeutigkeit geprüft werden
  • UNIQUE-Attribute bezeichnen wir als Schlüsselkandidaten

Bsp.: Studierendentabelle mit id, name. (name soll eindeutig sein)
CREATE TABLE p ( id INT NOT NULL, name VARCHAR(32), PRIMARY KEY (id), UNIQUE (name));
INSERT INTO p VALUES (1, ‘Ulf’);
INSERT INTO p VALUES (2, ‘Ute’);
INSERT INTO p VALUES (3, ‘Ulf’);”

75
Q

Wie können “erlaubte” Attribute-Werte erstellt werden?

A
  • Bedingung für erlaubte Attributwerte CHECK <bedingung></bedingung>
  • <bedingung> wird formuliert analog zur WHERE-Klausel</bedingung>

Bsp.:

Studierenden-Tabelle mit Name, Anrede; Anrede nur ““Frau”” oder ““Herr””
CREATE TABLE p ( id INT NOT NULL,name VARCHAR(32), anr char(4), PRIMARY KEY (id), CHECK (anr IN (‘Frau’, ‘Herr’)));

76
Q

Warum und Wie kann ein Standard - Attribut-Wert erstellt werden?

A
  • Standardwert für ein Attribut, wenn beim INSERT nicht spezifiziert

Bsp.:

Studierenden-Tabelle mit Name; wenn Name nicht spezifiziert, dann den angemeldeten Datenbankbenutzer:

CREATE TABLE p (

id INT NOT NULL, name VARCHAR(32) DEFAULT current_user, PRIMARY KEY (id),

);

INSERT INTO p (id) VALUES (1234);”

77
Q

Referentielle Integrität ?

A

Referentielle Integrität basiert auf sog. Fremdschlüsselbeziehungen

78
Q

Referentielle Integrität: Bedeutung der Schlüsselwörter ON DELETE, ON UPDATE?

A
  • NO ACTION
    • DELETE oder UPDATE der Herkunftstabelle wird verweigert, wenn es einen abhängigen
      Satz gibt
  • CASCADE
    • DELETE oder UPDATE der Herkunftstabelle wird an die abhängige Tabelle
      durchgereicht
  • SET NULL
    • Betroffene Zeilen der abhängigen Tabelle werden auf NULL gesetzt
  • SET DEFAULT
    • Betroffene Zeilen der abhängigen Tabelle werden auf den DEFAULT-Wert der
      betroffenen Attribute gesetzt”
79
Q

Was bedeutet ACID?

A
  • Steht für Datenintegretät bei DBS
    • Atomarität (Atomicity)
    • Konsistenz (Consistency)
    • Isolation
    • Dauerhaftigkeit (Durability)
80
Q

SQL-Injektion

A

Angreifer schleusst Schadhaften SQL-Code in eine Abfrage ein.

Kann verhindert werden indem SQL-Code nicht einfach zusammen gebaut wird, sondern Variablen, Funktionen / Methoden verwendet werden.

81
Q

Grundbegriffe – Datenmanagement

Konkrete Aufgabenbereiche

A
  • Spezifikation und Realisierung des Datenmodells (Datenanalyse)
  • Inproduktionsnahme des Datenmodells
  • Organisation der Datenbeschaffung
  • Wartung und Pflege des DBMS-System
82
Q

Grundbegriffe – Informationssystem

A

Werkzeug zur Erfassung und Kommunikation von Informationen zum
Zwecke der Erfüllung der Anforderungen seines Benutzers, der
(Geschäfts-) Aktivitäten ihres Unternehmens und zur Erreichung der
Unternehmensziele.

Ein Informationssystems umfasst Daten,
Datenbanksoftware, Rechner-Hardware, Personen, welche die Daten
benutzen und verwalten, relevante Anwendungssoftware sowie
Programmierer, die diese entwickeln.

83
Q

Grundbegriffe – Bedeutung von Informationen

Für die Wirtschaft

A

Informationen sind die Basis für einen effektiven und effizienten Einsatz von
Produktionsfaktoren.

  • Kontrolle
  • Durchführung
  • Planung
  • Entscheidung
  • Steuerung
84
Q

Grundbegriffe – Bedeutung von Informationen

Information

A

Informationen bestimmen das Überleben der Weltwirtschaft

  • strategische Bedeutung
  • zur richtigen Zeit, die richtige Informationen, am richtigen Ort
  • Entscheidungsunterstützung
  • Datenbanken,
  • Data Warehouse,
  • Online Analytical Processing (OLAP),
  • Data Mining,
  • Management Information System (MIS),
  • Knowledge Management,
  • Customer Relationship Management (CRM)
85
Q

Grundbegriffe – Wissensmanagement

Bereiche

A
  • Allgemeinwissen
  • Fach Know-How (Was benötige ich und Wie wende ich es an)
  • Soft-Skills (Wann wende ich es an)
86
Q

Grundbegriffe – Wissensmanagement

Inhalt

A
  • Aufbau und Sicherung von Wissen
  • Fakten (Wissen) zur Verfügung stellen
  • Optimierung der Wissensverteilung
87
Q

Customer Relationship Management

A
  • Warum
    • Globalisierung der Märkte
    • Steigende Transparenz und Zunahme von Informationsquellen
    • Kundenanforderung bzgl. der Produkte nehmen zu
  • Inhalt
    • Ausrichtung der Geschäftsprozesse und Dienstleistungen auf die Bedürfnisse der Kunden
    • Identifikation der profitablen Kunden
    • segmentspezifische Marketingstrategien zur Akquisition von neuen Kunden
88
Q

Grundbegriffe – Prinzipien/Sichten

A
  • Zerlegung:
    • Top-Down,
    • Bottom-up
  • Sichten:
    • funktionsorientiert - Funktionen und Unterfunktionen / keine explizite Programm übergreifende Datenmodellierung
    • datenorientiert - ERM, Data Dictionary
    • objektorientiert - Klassen, Objekte, Attribute, Methoden, Kapselung, Vererbung/gleichzeitige Modellierung von Daten und Funktionen
    • prozessorientiert - Ereignis und Prozess
89
Q

Grundbegriffe – Requirement Engineering

A

Anforderungstechnik. Das systematische, disziplinierte und quantitativ
erfassbare Vorgehen beim Spezifizieren, d. h. Erfassen, Beschreiben und
Prüfen von Anforderungen an Software. Verstehen und Beschreiben, was
der Kunde wünscht oder braucht.

90
Q

Grundbegriffe – Ebenen der Modellierung

Systemanalyse

A

Systematische Vorgehensweise zur Anforderungsermittlung
(Requirement Engineering). Festlegen der quantitativen und qualitativen Eigenschaften des
zu entwickelnden Softwareproduktes (Sollkonzept)

Ebenen:

  • Design
  • Realisierung
  • Inbetriebnahme/Wartung

Meilensteincheck:

  • Projektvorbereitung
  • Konzeption
  • Spezifikation
  • Realisierung
91
Q

Grundbegriffe – (un-) strukturiert

A

struckturiert

sequenzielle Abarbeitung der Dateien (z.B. Magnetbänder, -kassetten)

  • Sprachen zur Verwaltung großer Datenbestände: COBOL, FORTRAN, PASCAL
  • Applikationen speichern “eigene Daten” isoliert in “eigenen Files”
  • Datenspeicherung und Zugriff auf Daten nur durch spezielle Anwendungen
92
Q

Datenmodellierung

A

Gegenstand der Datenmodellierung ist es, alle relevanten Informationen
eines Systems, z. B. eines betrieblichen Funktionsbereiches (Vertrieb), zu
beschreiben. Man benötigt dazu eine Syntax, die den Sachverhalt
möglichst einfach, mit wenigen Syntaxelementen aber genügend formal, um
exakt sein zu können, zu beschreiben.

93
Q

Datenmodellierung

Einsatzgebiete

A

Entwicklung von Anwendungssystemen

  • Individualsoftware im technische oder kommerziellen Bereich

Einführung von Informationssystemen

  • Standardsoftware (SAP, ALCIB, ALCIM)

Organisationsprojekte

  • z.B. Business Process Redesign
94
Q

Datenmodellierung: Datenorientiertes Vorgehen

A

“Daten leben ewig!”

 Hardware besteht einige Jahre
 Software übersteht die Hardware
 Daten überleben mehrere Softwarezyklen
 Datenmodelle sind schnell umsetzbar, Vermeidung von Redundanz
 Betriebswirtschaftliche Basis für Integration und Standardisierung
 Die Datenorganisation bestimmt wesentlich
 die Systemleistung und
 die Datensicher und den Datenschutz.

95
Q
A

Studium (6 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions