FernUniversität
Gesamthochschule in Hagen
Fachbereich Wirtschaftswissenschaften
Lehrstuhl Wirtschaftsinformatik
Seminararbeit zum Thema

Data Warehouse-Konzept und multidimensionale Datenmodellierung

Seminar: Wirtschaftsinformatik
Ute Nast-Linke
12.05.2003

Inhaltsverzeichnis

1 EINLEITUNG  3

2 DEFINITION DES BEGRIFF „DATA WAREHOUSE“  4

3 FOKUS DER ANWENDUNG  6
3.1 OPERATIVE SYSTEME  6
3.2 ANALYSE SYSTEME  7
3.3 VERGLEICH DER SYSTEMTYPEN UND EINORDNUNG DES DATA WAREHOUSE  9

4 AUFBAU EINES DATA WAREHOUSE  11
4.1 DATEN  11
4.1.1 Metadaten  11
4.1.2 Nutzdaten  13
4.2 ARCHITEKTUR  14
4.2.1 Datenimporttool  15
4.2.2 Datenspeicher  16
4.2.3 Managementsystem  17
4.2.4 Datenexporttools  17
4.3 PROZESSE  17
4.3.1 Datenimport  18
4.3.2 Datentransformation  19
4.3.3 Sicherung & Archivierung  24
4.3.4 Datenexport... 25

5 DATENMODELLIERUNG  27
5.1 DAS RELATIONALE DATENMODELL  28
5.1.1 Struktur  29
5.1.2 Vorteile  31
5.1.3 Nachteile  31
5.2 DAS MULTIDIMENSIONALE DATENMODELL  32
5.2.1 Struktur  32

6 DATENANALYSE  35
6.1 OLAP  35
6.1.1 Was ist OLAP?  36
6.1.2 Die Regeln von Codd  37
6.1.3 Varianten der Realisierung  39
6.2 DATA MINING  41
6.2.1 Was ist Data Mining?  42
6.2.2 Methoden des Data Mining  43

7 GEFAHREN UND MISSERFOLGSFAKTOREN BEI DEM AUFBAU EINES DATA WAREHOUSES  47
7.1 MOTTO DER FACHABTEILUNG: BUY & PLAY  48
7.2 MOTTO DER IT-ABTEILUNG: „WIR STELLEN NUR DIE DATEN BEREIT“  48

LITERATURVERZEICHNIS  50

ABBILDUNGSVERZEICHNIS  51

GRAPHIKEN 

TABELLEN  51

MINDMAPS  51

1 Einleitung

Die immer kürzeren Veränderungszyklen unterworfenen Märkte stellen alle Marktteilnehmer vor neue Herausforderung. Die Fähigkeit eines Unternehmens, schnelle und richtige Entscheidungen treffen zu können, wird zu einem immer stärkeren Kriterium für seine Wettbewerbsfähigkeit. Der Prozess der Entscheidungsfindung muss daher durch fundierte, umfassende und aktuelle Marktinformation sowie die problemadäquate Aufbereitung dieser Daten unterstützt werden. Eine Aufgabe, die nur mit Hilfe von Informationssystemen – bestehend aus modernster Hard- und Software – bewältigt werden kann.

Frühere Versuche, dem Management Unternehmenskennziffern zeitnah zur Verfügung zu stellen, scheiterten nicht zuletzt an technischen Hürden. Der Fortschritt der letzten Jahre in der Informationstechnik (IT) ließ jedoch viele der technologischen Barrieren verschwinden. Neue Hardware- und Datenbankarchitekturen sprengten die bis dahin existierenden Skalierbarkeits- und Performancegrenzen.

Data Warehouses liefern heute geschäftsrelevante Informationen über Unternehmen, Kunden, Märkte, Lieferanten und anderes mehr. Im Data Warehouse werden Daten aus allen Unternehmensbereichen sowie externen Quellen in einer einzigen Datenbank zusammengetragen, bereinigt und zu Informationen verdichtet – der Manager erhält keine "nackten" Einzeldaten, sondern aussagekräftige Informationen, z.B. Markt- und Betriebskennziffern, die er als Entscheidungsgrundlage heranziehen kann. In der Praxis liegen die Schwierigkeiten in der Erstellung eines optimalen Datenmodell, das auf einer leistungsfähigen Datenbank realisiert werden muss.

2 Definition des Begriff „Data Warehouse“

[Mindmap 1 in Downloaddatei enthalten]
Mindmap 1 : Was ist ein Data Warehouse?

Bereits im Jahr 1988 wurde das Konzept des unternehmensweiten Datenpools von der Firma IBM im Rahmen der EBSI-Architektur ( European Business Information Systems) vorgestellt Mit diesem Konzept sollte der Zugang zu unterschiedlichen Systemen über eine einheitliche Schnittstelle möglich sein. Der zu diesem Konzept gehörende Begriff des Data Warehouse wurde einigen Zeit später insbesondere von dem amerikanischen Berater William Immon geprägt. Das Konzept eines Data Warehouses wird häufig als eine analytische Datenbank für ausschließlich lesenden Zugriff dargestellt, die als Grundlage eines Entscheidungssystems genutzt wird [POE und REEVES (1997)]. Neben dieser recht engen Begriffsbildung lassen sich in der Literatur auch weiter gefasste Definitionen eines Data Warehouses finden:

“Ein Data Warehouse (unübliche deutsche Übersetzung: Daten-Lagerhaus) ist ein umfassendes Konzept zur Entscheidungsunterstützung von Mitarbeitern aller Bereiche und Ebenen. Kern ist eine integrierte Datenbank mit entscheidungsrelevanter Information über die Geschäftsfelder, die aus den operativen Datenbanken und externen Quellen bedarfsgerecht destilliert wird. Der direkte Zugriff wird den Endbenutzern durch einen Informationskatalog (Metadatenbank) erleichtert, der über die Inhalte, Formate und Auswertemöglichkeiten des Data Warehouse Auskunft gibt. Eine dritte wesentliche Komponente sind die

Softwarewerkzeuge und Anwendungsprogramme, mit denen die Daten des Warehouse angefragt, transformiert, analysiert und präsentiert werden können.“ [HANSEN (1996)] Das Ziel, welches mit dem Einsatz eines Data Warehouses erreicht werden soll, ist, die schnelle Verarbeitung von Massendaten zur Entscheidungsunterstützung. Um dieses Ziel erreichen zu können, ist das Zusammentragen und Aufarbeiten von Daten alleine nicht ausreichend. Die Daten müssen - sowohl bezüglich des Inhalts als auch von dem Bereitstellungszeitpunkt und der Art der Präsentation – bedarfsgerecht den Entscheidungsträgern zur Verfügung gestellt werden und für eine erneute oder variierte Analyse über eine längere Zeit vorgehalten werden.

Im folgenden wird unter dem Begriff „Data Warehouse“ ein System verstanden, über welches aus unterschiedlichen Datenquellen extrahierte, konsistente und entscheidungsrelevante Daten in einer für den Benutzer leicht zugänglichen Art und Weise abfragbar sind. Zur Datenabfrage, -Präsentation und Weiterleitung werden von dem Anwender keine detaillierten Kenntnisse über den Aufbau des Systems sowie der zugrunde liegenden Datenquellen oder das Datenmodell des Warehouse benötigt.

Da Entscheidungssituationen häufig nicht im voraus planbar sind, muss ein Data Warehouse kurze Antwortzeiten aufweisen – die Dauer der Abfragen darf in Abhängigkeit von Menge und Art der abgefragten Daten nur gering schwanken. Ein Data Warehouse ist ein System, welches dem Anwender erlaubt, sich auf seine Kernaufgaben zu konzentrieren, ohne sich zusätzliches IT-Know-How aneignen zu müssen. Der Name ist Programm: Genauso wie ein Käufer eines Kleidungsstückes in einem Kaufhaus nicht wissen muss, aus welchem Material das Kleidungsstück besteht, wie das Schnittmuster beschaffen ist oder wie es genäht wurde, benötigt ein Anwender eines Data Warehouses lediglich eine genaue Vorstellung von den von ihm benötigten Daten, um diese aus dem Angebot entnehmen zu können.

[....]