II

Inhaltsverzeichnis

Darstellungsverzeichnis.   III

Tabellenverzeichnis. IV   

Abk  ürzungsverzeichnis.  V

1  Einleitung  1

2  Grundlagen  1

2.1  Begriffsbestimmung und Abgrenzung.  1

2.2  Fast Analysis of Shared Multidimensional Information  4

2.3  Multidimensionale Datenstruktur.  5

3  Interaktion mit Daten und Informationen.  7

3.1  Architekturkomponenten und Technologie  7

3.2  Funktionalitäten  11

3.3  Anforderungen an die Datenhaltung  12

4  OLAP Anbieter und Produkte  15

5  Praxisbeispiel  16

5.1  Beispielhafte Darstellung der Funktionalitäten.  16

5.2  OLAP Datenmodellierung mit Praxisbeispiel  16

5.3  OLAP-System PALO  18

6  Zusammenfassung.  19

Quellenverzeichnis   21

Anhangsverzeichnis   

III

Darstellungsverzeichnis   

Abbildung  1: ROLAP  

Abbildung  2: HOLAP  

Abbildung  3: DOLAP  

Abbildung  4: Entstehung dünn besetzter Matrizen.  

Abbildung  5: OLAP-TOOL PALO in MS Excel  

Abbildung  6: Mehrdimensionales Informationsobjekt  

Abbildung  7: Dimensionshierarchie Beispiel  

Abbildung  8: OLAP Funktionen  

Abbildung  9: Datenbankexplosion - Prekalkulation  

Abbildung  10: OLAP Datenmodellierung.  

Abbildung  11: Beispielhaftes Semantisches ADAPT Datenmodell.  

Abbildung  12: Beispielhafte logische ROLAP Datenstruktur  

Abbildung  13: Bildung der Faktentabelle.  

Abbildung  14: Bildung der denormalisierten Dimensionstabellen  

Abbildung  15: Normalisierung der Dimensionstabellen.  

Abbildung  16: Physische Datenstruktur für das ROLAP  

IV

Tabellenverzeichnis   

Tabelle 1:  Vergleich der OLAP Architekturen.  28

Tabelle 2:  OLAP Anbieter - Marktanteil in 2006  32

Tabelle 3:  OLAP Produktmatrix.  33

Tabelle 4:  Beispiel der OLAP Funktion: Rotate - Sicht 1  34

Tabelle 5:  Beispiel der OLAP Funktion: Rotate - Sicht 2  35

Tabelle 6:  Beispiel der OLAP Funktion: Drill down - Sicht 1  35

Tabelle 7:  Beispiel der OLAP Funktion: Drill down - Sicht 2  36

V

Abkürzungsverzeichnis

DBMS Datenbankmanagementsystem DOLAP Desktop Online Analytical Processing FASMI Fast Analysis of Shared Multidimensional Information HOLAP Hybrid Online Analytical Processing MDBMS Multidimensionales Datenbankmanagementsystem MOLAP Multidimensional Online Analytical Processing OLAP Online Analytical Processing RAM Random Access Memory RDBMS Relationales Datenbankmanagementsystem ROLAP Relational Online Analytical Processing

1

1 Einleitung

Diese Arbeit wurde im Rahmen des Faches IT-Controlling des Verbundstudienganges Wirtschaftsinformatik (Master) erstellt. Die Arbeit dient als Prüfungsergebnis und ersetzt eine Klausur.

Ziel der Arbeit ist zum einen die theoretische Auseinandersetzung mit dem Thema „Online Analytical Processing“ im Hinblick auf deren Konzepte und Werkzeuge. Nach Aufarbeitung der Theorie wird das erworbene Fachwissen in einem praktischen Beispiel zur Unterstützung von Führungsentscheidungen angewendet.

Die Arbeit gliedert sich in einen theoretischen und einen praktisch Teil. Der praktische Teil dient zur Festigung des in der Theorie erworbenen Wissens. Das theoretische Fachwissen des „Online Analytical Processing“ wird in den Kapiteln 2 bis 4 behandelt. Kapitel 2 dient als Grundlagenkapitel. Es nimmt eine Begriffsbestimmung und -abgrenzung vor, erläutert die FASMI Kriterien und gibt einen Überblick über mehrdimensionale Datenstrukturen. In Kapitel 3 werden die Konzepte vorgestellt. Zum einen werden die verschiedenen Architekturvarianten analysiert, des weiteren werden die Funktionalitäten und Anforderungen an die Datenhaltung dargestellt. In Kapitel 4 werden die Anbieter und deren Online Analytical Processing Produkte vorgestellt.

In Kapitel 5 wird der praktische Teil der OLAP Funktionalitäten wird mit Beispielanwendung illustriert. Zudem wird eine beispielhaften OLAP Datenmodellierung aufgezeigt und anhand des Open-Source OLAP Systems PALO wird die Darstellung der Multidimensionalität in MS Excel veranschaulicht. In Kapitel 6 wird die Arbeit resümiert.

2 Grundlagen

2.1 Begriffsbestimmung und Abgrenzung

Der Begriff des „Online Analytical Processing“ (kurz: OLAP) wurde 1993 von Codd in einem White Paper gebildet. Er beschreibt allgemein eine Form der

2

Entscheidungsunterstützung und Datenanalyse für das Management von Unternehmen auf Basis eines Datenstandes. Diese Analyse kann als flexibel, in-

teraktiv und multidimensional verstanden werden. ¹ OLAP Systeme werden zur Datenanalyse und Informationsfindung verwendet. Diese setzen als Informationsanalysetools auf einer Datenbasis auf. Diese kann entweder ein Data Warehouse oder sonstige Datenquellen sein. Aufbauend auf dem OLAP Server bereiten Frontends die Informationen für den Endanwender grafisch so auf, dass intuitiv analysiert werden können.

Das Grundkonzept von OLAP ist die Multidimensionalität, die durch die Kombination von Dimensionen und deren Hierarchien entsteht und eine natürliche Sicht auf unternehmerische Prozesse darstellt. Die Daten werden dem Benutzer in einer realitätsnahen und leicht verständlichen Form präsentiert. Der Kern dieser Ansicht bilden Kennzahlen, wie z.B. der Unternehmensumsatz und die Verknüpfung mit Dimensionen wie z.B. Region, Zeit oder Produkt. Dadurch entseht ein multidimensionaler Raum, der gleich einem mehrdimensionalem Koordinationssystem aufgebaut ist. In jeder Zelle des Raums kann der Kennzahlenwert in Abhängigkeit der verschiedenen Dimensionen bestimmt werden. Das OLAP Konzept entstand aus einer nicht ausreichenden Anforderung der modernen Datenanalyse bis Anfang der 90er Jahre. Eine direkte und flexible Analyse von Geschäftsdaten war durch den relationalen und flachen Aufbau der Datenstruktur von Informationssystemen bis dahin nicht möglich. ² Aus dieser Situation resultierten zwölf Regeln an OLAP Systeme, die Codd formulierte und, wie im Anhang A zu erkennen ist, Anforderungen an Auswer-

tungswerkzeuge darstellen. 3

Codd grenzt den Begriff bewusst gegen den traditionellen Begriff „Online Transaction Processing“ (kurz: OLTP) ab, der die Informationsverarbeitung im Bereich der operativen Systeme definiert und im relationalen Datenbankkonzept

¹ Vgl. Codd, E. F./ Codd, S. B./ Salley, C. T.: Providing OLAP to User-Analysts, 1993,

www.fpm.com

² Vgl. Marquardt, J.: Metadatendesign zur Integration von OLAP in das Wissensmanagement,

2007, S.97

³ Vgl. Codd, E. F./ Codd, S. B./ Salley, C. T.: Providing OLAP to User-Analysts, 1993,

www.fpm.com

3

zum Einsatz kommt. OLTP bildet die täglichen Geschäftsprozesse ab und unterstützt diese. Dazu werden aus Techniksicht nur aktuelle Detailinformation datensatzweise abgefragt. Des weiteren erfolgt beim Datenverarbeitungskonzept OLTP der Zugriff auf Daten nicht nur lesend, sondern auch schreibend und lö-

schend. ⁴ Die einbezogene Datenmenge ist gering und mit einer Größenordung von Megabyte bis Gigabyte an Daten.

Dagegen werden bei OLAP historische und agreggierte Daten in mehreren Dimensionen betrachtet. Es werden dazu eine Vielzahl von Datensätzen einbezogen. Der Datenzugriff erfolgt nur lesend. Die Datengröße erstreckt sich bis zum Terrabyte-Bereich. Es ist zu beachten, dass OLAP Systeme nur sinnvoll eingesetzt werden können, wenn eine entsprechende große Datenbasis mit Dimensionen bereitsteht.

OLTP-Systeme sind für moderne Analyseanforderungen des Managements und der Fachabteilungen von Unternehmen ungeeignet:

• Sachbearbeiter verfügen im Regelfall nicht über ausreichende Kenntnisse in einer datenorientierten Sprache, d.h. Sprache der vierten Generation, um geeignete Anfragen zu formulieren.

• Die Formulierung von Abfragen ist im Vergleich zum erwarteten Ergebnis sehr zeitaufwendig. Durch Missverständnisse zwischen Sachbearbeiter und Management führen Abfragen zu falschen Ergebnissen.

• Fehlende Standardisierungen machen eine Vergleichbarkeit von Auswertungsergebnissen unmöglich, da diese auf einer unternehmensindividuellen Datenbasis beruhen.

• Die Basisdaten erstrecken sich über verschiedenste Systeme. Der Sachbearbeiter muss Zugang und Kenntnisse über die Existenz und den Umgang dieser Systeme besitzen um Transaktionen durchführen zu können. Dennoch blieben die zwölf Regeln von Codd nicht ohne Kritik. Es lassen sich zwei Hauptkritikpunkte an den Regeln erkennen:

Zum einen sind die Regeln stark an das Produkt „Essbase“ der Firma Arbor an-

⁴ Vgl. Chamoni, P./ Gluchowski, P.: On-Line Analytical Processing, 2000, S.334.

4

gelehnt. ⁵ Die entstandene Abhängigkeit wird deutlich, weil Essbase alle Regeln erfüllt und Codd das Produkt im White Paper hervorhebt. ⁶ Trotzdem werden die Regeln als das Ergebnis einer objektiven Untersuchung dargelegt. ⁷ Zweitens trennen die Regeln nicht zwischen fachlich-konzeptionellen und technischen Anforderungen. Es bleibt offen, ob die Multidimensionalität spezielle Speichersysteme voraussetzt. 8

Diese Kritik löste Diskussionen aus, die zu Erweiterungen und Ergänzungen zu den Codd’schen Regeln führten. So formulierten Softwareanbieter eigene neue Regeln und veröffentlichten diese. Diese neue OLAP Kriterienschwemme veranlasste Codd 1995 , die ursprünglichen zwölf Kriterien auf achtzehn zu erweitern. 9

Die insgesamt achtzehn Regeln wurden von Codd in vier Eigenschaften zusammengefasst: Basic Features (Regeln 1, 2, 3, 5, 8, 10, 13, 14), Special Features (Regeln 15, 16, 17, 18), Reporting Features (Regeln 4, 7 , 11) und Dimension Features (Regeln 6, 9 ,12). Diese Eingruppierung führte aber zu kei-

nen neuen Erkenntnissen und hat für die Literatur keine große Bedeutung. 10

2.2 Fast Analysis of Shared Multidimensional Information

Neben den Regeln von Codd fanden die von Pendse und Creeth aufgestellten Kriterien “Fast Analysis of Shared Multidimensional Information” (kurz: FASMI)

⁵ Die Firma Arbor ging 1998 in der Hyperion Solutions Corporation auf, die noch heute Essbase

unter dem Namen „BI+ Analytic Services“ im Portfolio hat.

⁶ Vgl. Pendse N.: The OLAP Report: Commentary: The Hyperion merger and aftermath,

www.olapreport.com, 2003

⁷ Vgl. Thomson E.: OLAP Solutions, 2002

⁸ Vgl. Marquardt, J.: Metadatendesign zur Integration von OLAP in das Wissensmanagement,

2007, S.105.

⁹ Vgl. Oehler, K.: OLAP: Grundlagen, Modellierung und betriebswirtschaftliche Lösungen, 2000,

S. 106.

¹⁰ Vgl. Pendse, N.: The OLAP Report: What is OLAP?, 2005, www.olapreport.com