VL 09

Controlling,

Personalplanung,

klassisches Berichtswesen,

Vorhersagen des Umsatzes

Informationsorientiert (z.B. klassisches Berichtswesen)

Analyseorientiert (z.B. Controlling)

Planungsorientiert (z.B. Personalplanung)

Kampagnenorientiert (z.B. Vorhersagen der Fluktation)

Organisiert die Datenbasis eines data-warehouse-Systems mithilfe von Dimensionen, Fakten und Hierarchisierungen.

Fakten -> meist numerische Werte z.B. Umsatz

Dimensionen -> Kategorisierungen der Fakten, z.B. Zeit; Geografie; Produkt, …

Hierarchie -> Hierarchiestufen: Tag, Woche, Monat, Quartal, Jahr (Dimension zeit); Filiale, Stadt, Region, Land (Dimension Geografie); Artikel, produktgruppe, produktfamilie, produktkategorie (Dimension Produkt)

Die n Dimensionen eines Data-warehouse-systems spannen einen n-dimensionalen Data Cube auf, der die Grundlage der multidimensionalen Datenanalyse bildet.

Kantenlängen: jeweilige Anzahl an Elementen einer Dimension

Der data Cube ist kein Würfel sondern eine n-dimensionale Matrix.

Einfache Struktur:

• Struktur leicht verständlich und somit besser wartbar

• Manuelle Abfragen (z.B. in SQL) können einfacher erstellt und gelesen werden

Flexible Hierarchiedarstellung:

• Klassifikationshierarchien sind als Tabellenspalten abgebildet

• Redundanzen verlangen nur sehr wenig Speicherplatz im vgl. zur Faktentabelle

Effiziente Abfragebearbeitung:

• Filterung (z.B. WHERE in SQL) erfordert keine Joins innerhalb einer Dimension

• Dadurch beschleunigte Anfragebearbeitung

Meist fehler in der 3. Normalform; Redundant -> aber in der praxis meist besser .

Bei Verwendung des Star-Schemas können datenabfragen in Data-Warehouse-Systemen mit relativ einfachen SQL-Befehlen realisiert werden

Redundanzfrei und normalisiert, benötigt jedoch z.B. mehr Speicherplatz

eine;

normalerweise pro Abfrage eine Faktentabelle, außer es werden mehrere Infos gleichzeitig abgefragt.

Wie lauetet die Mitarbeiteranzahl des Standorts Costa Rica im Februar 2021 aus dem Team Energy?

Anzahl der Faktentabellen: 1

Anzahl Dimensionen: Geografie; Zeit; Team. -> 3

1. Auswahl des Konsolidierungspfads: GROUP BY

2. Filterung nach Diensionswerten: WHERE (z.B. WHERE L. country = “Germany”)

3. Filterung nach faktenwerten: HAVING (z.B: HAVING SUM (F.revenue) > 100000)

4. Sortierung: ORDER BY (z.B. ORDER BY SUM (F.revenue) DESC)

Analyseprozess, der darauf abzielt, Beziehungsmuster wie Regelmäßigkeiten und Auffälligkeiten in den Daten zu ermitteln.

Existenz eines einheitlichen, integrierten datenbestands.

Dieser wird durch Informationsintegration (V 07) und in data Warehouse Systemen verwaltet.

Erst wenn en solcher datenbestand vorliegt können datenanalysen (folg. VL) durchgeführt werden.

—>Ziel: operatives Datenmanagement

• Ausführung einzelner, kurzer Lese- oder Schreibtransaktionen auf einzelnen datensätzen eines operativen Systems

• Relevant für SachbearbeiterInnen auf operativer Unternehmensebene

—> Ziel: strategische Datenanalyse

• Inetraktive datenanalyse durch komplexe ad-hoc-Abfragen auf integrierten Datenbeständen aus heterogenen Quellen

• Relevant für Strategische Unternehmensführung (Management, Controlling, etc.)

*Für OLAP-Zwecke sind operative Datenmangementsysteme (VL 2-6) (…) ungeeignet.

*OLAP arbeitet auf der Wissensebene der Wissenspyramide

*gehört zu Business Intelligence (BI) (“OLAP” bezeichnet die analytische Auswertung von Datensätzen im Rahmen von Business Intelligence)

Fachorientierung (subject-oriented)

Aufgabe des Systems besteht in modellierung betriebl. Sachverhalte, nicht in in Erfüllung operativer Aufgaben.

Integrierte Datenbasis (integrated)

Datenverarbeitung findet auf einer aus mehreren Datenquellen integrierten Datenbasis statt.

Nicht-flüchtige Datenbasis (non-volatile)

Datenbasis ist stabil, d.h. einmal eingefügte Datensätze unterliegen keinen weiteren Änderungen. (Quasi wie Archiv. neue daten JA, aber nicht alte verändern!)

Historische Daten (time variant)

Daten müssen über langen Zeitraum (mehrere Jahre) verwahrt werden, um Vergleiche über die Zeit zu ermöglichen.

Um die Verkaufszahlen von Familienkarten an einem bestimmten Standort für einen

bestimmten Zeitpunkt mit SQL abzufragen, kann man einen Star-Join zwischen den

Tabellen bilden und das Ergebnis mit einer geeigneten WHERE-Bedingung auf die rele-

vanten Einträge filtern.

Ein Data Warehouse Sstemn ist ein OLAP-System (online analytical processing) und unterstützt das Management bei der strategischen Entscheidungsfindung durch bereitstellung einer entsprechenden Datengrundlage.

Je Dimension eine eigene Tabelle.

-> Spalten d. tabelle sind jeweils die Hierarchiestufen der Dimension

-> Die niedrigste hierarchiestufe bildet dann den Primärschlüssel (z.B. Land, Region, Stadt -> Stadt niedr. Hierarchiestufe)

(bei Star-Schema)

besteht aus allen ihren Fremdschlüsselattributen.

Eine parallele Hierarchie liegt vor, wennes unterschiedliche Aggregierungsstufen gibt, die keine hierarchische Beziehung zueinander aufweisen (z.B. Altersgruppe und Geschlecht).