Einführung und Motivation Flashcards
Definition Data-Warehouse-System
Ein Data-Warehouse-System ist ein spezielles Datenmanagementsystem, das entscheidungsrelevante Daten für das Management eines betrieblichen Systems
verwaltet und in Form von multidimensionalen Datenstrukturen zur flexiblen Recherche bereitstellt.
Im Gegensatz zu den operativen Anwendungssystemen,
welche die Lenkung und Durchführung der Geschäftsprozesse unterstützen, ist ein Data-Warehouse-System Teil des als Führungsinformationssystem bezeichneten Anwendungssystems eines betrieblichen Systems.
Definition Data-Warehouse
Die dazugehörige Datenbank eines Data-Warehouse-Systems
Anforderungen an die Bereitstellung vertikal integrierter Führungsinformationen (5)
- Transparenter Zugriff auf konsolidierte und integrierte Daten aus unterschiedlichen, heterogenen Datenquellen.
- Hohe Datenqualität.
- Historisierung von Daten.
- Flexible Auswertungsmöglichkeiten.
- Performante Zugriffsmöglichkeiten.
Fachliche Probleme der Bereitstellung vertikal integrierter Führungsinformationen (2)
- Heterogene Datenquellen
* Fehlen historisierter Daten
Technische Probleme der Bereitstellung vertikal integrierter Führungsinformationen ohne DWS (5)
- Hohes Datenvolumen.
- Antwortzeitverhalten.
- Beeinträchtigung der operativen Systeme.
- Effiziente Zugriffsmechanismen.
- Konsistenzprobleme.
Merkmale eines Data-Warehouse (DWH) (4)
Subject oriented:
Aufbau und Inhalte eines DWH orientieren sich an den für die Führung eines betrieblichen Systems relevanten Entscheidungsfeldern.
Integrated:
Ein DWH integriert und konsolidiert im Allgemeinen Daten aus mehreren Datenbanken und externen Datenquellen.
Non-volatile:
Daten, die einmal in das DWH eingestellt wurden, werden nicht mehr verändert oder gelöscht. Vielmehr werden die Inhalte des DWH zu bestimmten Aktualisierungszeitpunkten sukzessive erweitert.
Time variant:
Um Entwicklungen im Zeitablauf analysieren zu können, enthält ein DWH historisierte Daten.
Online-Analytical-Processing (OLAP):
Merkmale der Datenstrukturen des multidimensionalen
Datenmodells (3)
- Entscheidungsrelevante Informationen werden in Form von multidimensionalen Datenstrukturen (Hypercubes) bereitgestellt.
- Die Elemente eines Hypercube sind Kennzahlen (quantitative Daten), die hinsichtlich unterschiedlicher Dimensionen (qualitative Daten) klassifiziert sind.
- Über den Dimensionen können (ggf. mehrstufige) Dimensionshierarchien gebildet sein.
Online-Analytical-Processing (OLAP):
Merkmale des Zugriffs auf die Daten des multidimensionalen
Datenmodells (3)
- Ein Zugriff auf den Hypercube bezieht sich auf quantitative Daten anhand vorgegebener qualitativer Daten.
- Der Zugriff erfolgt navigierend entlang der Dimensionen und Dimensionshierarchien.
- Neben vordefinierten Anfragen sind insbesondere Ad-hoc-Anfragen möglich.
Online Transaction Processing (OLTP) vs. Online Analytical Processing (OLAP): Einsatzbereich
OLTP:
Operative Anwendungssysteme
OLAP:
Führungsinformationssysteme
Online Transaction Processing (OLTP) vs. Online Analytical Processing (OLAP): Art der Daten
OLTP:
zeitpunktbezogene, kontextspezifische und elementare Daten
OLAP:
historisierte, konsolidierte und integrierte, ggf. verdichtete Daten
Online Transaction Processing (OLTP) vs. Online Analytical Processing (OLAP): Datenrepräsentation
OLTP:
Relational (zweidimensionale Tabellen)
OLAP:
Hypercube (multidimensionale Würfel)
Online Transaction Processing (OLTP) vs. Online Analytical Processing (OLAP): Datenumfang
OLTP:
MByte bis GByte
OLAP:
GByte bis TByte
Online Transaction Processing (OLTP) vs. Online Analytical Processing (OLAP): Verarbeitungsform
OLTP:
applikationszentriert, transaktionsorientiert
OLAP:
applikationsübergreifend, themenzentriert
Online Transaction Processing (OLTP) vs. Online Analytical Processing (OLAP): Transaktionsform
OLTP:
kurze atomare Transaktionen (lesend und schreibend)
OLAP:
lang laufende, komplexe Anfragen
Phasen der Entwicklung einer Data-Warehouse-Strategie (5)
Definition:
Definition der DWH-Strategie bezüglich Inhalt und Reichweite
Analyse:
Analyse der Ist-Situation und der Anforderungen
Bewertung:
Bewertung der Ist-Situation im Vergleich zu den Anforderungen und zu
anderen Unternehmen (Gap-Analyse, SWOT-Analyse, Benchmarking)
Konzeption:
Planung des Konzepts für die Umsetzung der DWH-Strategie (Ziele, Informationsangebot, Architektur, Software, Infrastruktur usw.)
Maßnahmen:
Stufenweiser Maßnahmenplan und Projektportfolio für die Umsetzung der DWH-Strategie
