Data Warehouse

Große strukturierte, sowie unstrukturierte Daten, die von verschiedenen Stellen jeden Tag entstehen

3 V:

• Volumen -> Masse der Daten

• Velocity -> Geschwindigkeit der Entstehung der Daten

• Variety -> Vielfalt der verschiedenen Daten

Sammlung von allen Daten, die entstehen und im ursprünglichen meist unstrukturiertem Zustand gespeichert werden. Durch das ETL werden die Daten von einem Data Lake in ein Data Warehouse überführt.

Analyse und Beschreibungen des Nutzenverhaltens über mehrere Websiten verteilt

• Zentrales Datenbanksystem eines Unternehmens -> Single Source of Truth

• Die Daten werden zusammen getragen und in verschiedene Daten unterteilt -> Daraus bilden sich die Data Marts

• Daten liegen strukturiert vor

1. Relationale Datenbank

2. ETL-Lösung

3. Analyse, Berichtstool

4. Visuelle Darstellungen

• Einfach

  • Gemeinsame Darstellung der Daten, Ein Pool an Daten

• Einfach mit Staging Area

  • Bereinigung vor dem einführen der Daten in eine Staging-Area

• Hub- and Spoke-System

  • Hinzufügen von Data Marts

• Sandboxes

  • private, sichere Bereiche ohne

Verteilung von Speicherdaten

-> Bei vielen Daten werden die Daten in den Data Marts als eigene Daten dargestellt

-> Daten werden unter Bereiche aufgeteilt

• Unterteilung in

  • Faktentabellen

  • Dimensionstabellen

• Basierend auf Schnelligkeit nicht auf Normalisierung

  • Dimensionstabellen sind denormalisiert

Enthalten

• Geschäftsdaten

• Geschäftsereignisse

• typische Inhalte die während der Benutzung verwendet werden

• Hilfstabellen für die Faktentabellen

• Enthalten Infos für die Objekte, dessen Daten vom Geschäft wir in in den Faktentabellen speichern

• Alle Daten liegen in der 3 NF vor im Gegensatz zum Starschema

• Bessere Ordnung <-> Langsamer Zugriff auf Daten

• Extraction

• Transformation

• Load

Prozess zur Überführung von externen Daten in ein Data Warehouse

• Datenextraktion aus Datenquellen

• Auswahl der passenden Daten für das Warehouse

• regelmäßige Extraktion der Daten für die Aktualität

• Implizit oder expliziter Start

• Anpassen der Daten an das Zielformat

• Bereits in einer Datenbank speichern, um Daten zu sichern

  • In Warehouse oder extern

• Ablauf der Einzelschritte

  
  

• Physische Verschiebung der Daten vom Transformationsbereich in das finale Data Warehouse

• Integrität muss gesichert sein

• Protokollierung, um eventuelle Fehler, wiederherzustellen

• temporärer Zwischenspeicher für ankommende Daten aus Rohdatenquellen, die in das Data Warehouse überführt werden sollen

• Daten werden aufbereitet und transformiert

• Anwendung von Datenverifizierung (Syntaxprüfung)

Business Intelligence (BI) ist ein technologiegetriebener Prozess zur Analyse von Daten und zur Präsentation verwertbarer Informationen, der Führungskräften, Managern und anderen Endanwendern hilft, fundierte Geschäftsentscheidungen zu treffen.