Diese Arbeit handelt von einer theoretischen Betrachtung und der konkreten Umsetzung am Beispiel des fiktiven Unternehmens, der Schätzle Finance und Insurance GmbH, unter Berücksichtigung entsprechender Datenbanksysteme, sowie einem Datenkonzept.
Eine Vielzahl an Datenquellen, das steigende Datenvolumen, sowie unterschiedliche Datenbanktechnologien, welche oft auch durch den Einsatz von Applikationen eingeschränkt bzw. vorgegeben sind, erhöhen die Komplexität im Umgang mit Daten.
Für Organisationen ergeben sich daraus verschiedene Herausforderungen im Umgang mit Daten, wie auch bei der Auswertbarkeit von Daten. Datenkonzepte müssen dies entsprechend berücksichtigen. Die Auswahl der richtigen Technologien und Konzepte
sind in der Regel von strategischer Bedeutung. Das Datenkonzept ist entscheidend für den Erfolg des Unternehmens und die Möglichkeit Daten richtig nutzen und einsetzen zu können. Im Falle, dass ein führendes Datenbanksystem nicht zum Einsatz kommen kann, sind entsprechende Konzepte zu entwickeln, welche dieses mögliche Defizit ausgleichen.
Inhaltsverzeichnis
- Einleitung
- Problemstellung
- Zielsetzung
- Aufbau der Arbeit
- Theoretische Grundlagen
- Business Intelligence
- Herausforderungen einer fehlende BI-Strategie
- Gründe für eine BI-Strategie
- Daten
- Strukturierte Daten
- Unstrukturierte Daten
- Datenkonzept
- Entity Relationship Modell
- Entität
- Attribute
- Relationship
- Schlüssel
- Beispiel für ein Entity Relationship Modell
- Normalisierung
- Normalform 1
- Normalform 2
- Normalform 3
- Datenbankmanagementsysteme
- Anforderungen an ein Datenbankmanagementsystem
- Softwarearchitektur von Datenbankmanagementsystemen
- Arten von Datenbankmanagementsystemen
- Relationale Datenbankmanagementsysteme
- XML Datenbanken
- NoSQL
- Datenhaltung
- Data-Warehousing
- Quellsysteme
- Staging Area
- Cleaning Area
- Core
- Mart
- Datenhaltung in der Cloud
- Zusammenfassung
- Anwendungsteil / Wesentliche Fragestellung
- Strategie als Ausgangsage
- Unternehmensstrategie
- IT-Strategie des Unternehmens
- BI-Strategie des Unternehmens
- Fachlich
- Organisatorisch
- Technisch
- Anforderungen an ein neues Datenkonzept
- Datenkonzept
- Applikationslandschaft
- Datenbankmanagementsysteme
- Data-Warehousing unter dem Einbezug von Cloud Services
- Was wurde nicht berücksichtigt
- Diskussion
Zielsetzung und Themenschwerpunkte
Die Hausarbeit befasst sich mit der Herausforderung des effizienten Umgangs mit Daten aus verschiedenen Quellen. Ziel ist es, ein theoretisches Verständnis für die relevanten Konzepte zu entwickeln und diese am Beispiel eines fiktiven Unternehmens, der Schätzle Finance und Insurance GmbH, konkret umzusetzen. Die Arbeit analysiert insbesondere die Auswahl geeigneter Datenbanksysteme und die Entwicklung eines Datenkonzepts (Alternative B).
- Business Intelligence und Datenmanagement
- Datenkonzeptentwicklung und -modellierung
- Datenbanksysteme und deren Auswahl
- Data-Warehousing und Cloud-Integration
- Effizienter Umgang mit Daten aus unterschiedlichen Quellen
Zusammenfassung der Kapitel
- Einleitung: Die Einleitung stellt die Problemstellung des effizienten Umgangs mit Daten aus unterschiedlichen Quellen dar und definiert die Ziele und den Aufbau der Arbeit.
- Theoretische Grundlagen: Dieses Kapitel beleuchtet die theoretischen Grundlagen von Business Intelligence, Datenmanagement und Data-Warehousing. Es werden verschiedene Arten von Daten, Datenkonzepte und Datenbankmanagementsysteme sowie deren Anforderungen und Architekturen analysiert.
- Anwendungsteil / Wesentliche Fragestellung: Dieses Kapitel widmet sich der konkreten Umsetzung der gewonnenen Erkenntnisse am Beispiel der Schätzle Finance und Insurance GmbH. Es beschreibt die Unternehmensstrategie, die IT-Strategie und insbesondere die BI-Strategie des Unternehmens. Darüber hinaus werden die Anforderungen an ein neues Datenkonzept, die Auswahl eines geeigneten Datenbanksystems und die Integration von Cloud Services in das Data-Warehousing Konzept behandelt.
Schlüsselwörter
Die Arbeit behandelt die Themen Business Intelligence, Datenmanagement, Datenkonzepte, Datenbankmanagementsysteme, Data-Warehousing, Cloud Services, Entity Relationship Modell, Normalisierung, Relationale Datenbankmanagementsysteme, NoSQL, XML Datenbanken und die Integration von verschiedenen Datenquellen.
Häufig gestellte Fragen
Was versteht man unter einem Entity Relationship Modell (ERM)?
Das ERM ist ein Konzept zur Datenmodellierung. Es besteht aus Entitäten (Objekten), Attributen (Eigenschaften), Relationships (Beziehungen) und Schlüsseln, um die Struktur einer Datenbank theoretisch abzubilden.
Warum ist eine Normalisierung von Datenbanken wichtig?
Die Normalisierung (1. bis 3. Normalform) dient dazu, Redundanzen zu vermeiden und die Datenintegrität zu gewährleisten. Sie strukturiert Daten so, dass Anomalien beim Einfügen, Ändern oder Löschen verhindert werden.
Welche Arten von Datenbankmanagementsystemen (DBMS) gibt es?
Es wird zwischen relationalen DBMS, XML-Datenbanken und NoSQL-Systemen unterschieden. Die Wahl hängt von der Struktur der Daten (strukturiert vs. unstrukturiert) und den spezifischen Anforderungen der Applikationen ab.
Was sind die Kernkomponenten eines Data-Warehousing-Konzepts?
Ein Data Warehouse umfasst Quellsysteme, eine Staging Area zur Datenaufnahme, eine Cleaning Area zur Bereinigung, den Core (Kernspeicher) und Data Marts für spezifische Auswertungen.
Welche Rolle spielt die Cloud-Integration im modernen Datenmanagement?
Cloud Services ermöglichen eine flexible Skalierung der Datenhaltung und unterstützen Unternehmen dabei, Defizite fehlender lokaler Infrastrukturen auszugleichen und die Auswertbarkeit großer Datenmengen zu verbessern.
- Quote paper
- Hans Schätzle (Author), 2021, Herausforderung im effizienten Umgang mit Daten unter Berücksichtigung von unterschiedlichen Datenquellen, Munich, GRIN Verlag, https://www.grin.com/document/1171455
