Dieser Beitrag stellt ein Konzept vor, welches zwei wichtige Aspekte des Informationsmanagement bereichern soll. Das ist zum einen die strukturierte und zielgerichtete Modellierung von Daten, die für operative Informationssysteme in Unternehmen notwendig ist. Immer häufiger müssen diese Informationen aber ins Verhältnis gesetzt werden mit unstrukturierten Informationen aus dem Internet bzw. sozialen Netzwerken. So entsteht ein Spannungsfeld zwischen Exaktheit und Variabilität. Der zweite Aspekt ist eine Organisationsweite Analyse strukturierter Daten. Sie erfordert es, verschiedene Blickwinkel einzunehmen, wie es mit Hilfe von Data-WarehouseSystemen möglich ist. Dabei wird ein integratives Datenmodell genutzt, welches Daten aus unterschiedlichsten Unternehmensbereichen integrativ so zusammenfassen kann, dass Vergleichbarkeit und Verhältnismäßigkeit der Kennzahlen entstehen.
Data-Warehouse-Systeme dienen der themenbezogenen, nicht flüchtigen, integrierten und zeitbezogenen Unterstützung von Managemententscheidungen. Die Themenorientierung erfordert ein strukturiertes, vollständiges und widerspruchsfreies Datenmodell. Der Integrationsgedanke erfordert ein übergreifendes Datenmodell, welches die Themenorientierung anreichert, so dass ein übergeordneter Blick möglich wird, um themenübergreifende Entscheidungen auf höheren Management-Ebenen treffen zu können. Hierfür bietet sich die Multidimensionalität an. Sie ermöglicht es, Themen aus verschiedenen Blickwinkeln zu betrachten und die Blickwinkel zu erweitern. Dabei stehen sogenannte Fakten im Mittelpunkt, die aus den verschiedenen Organisationsbereichen zusammengezogen werden. Die Fakten werden mit Dimensionen angereichert, die es ermöglichen, die Fakten so zu verdichten bzw. zu gliedern, dass verschiedene erweiterbare Blickwinkel auf die integrierten Zahlen eingenommen werden können.
Inhaltsverzeichnis
Einleitung
Exploratives Modellieren
Ontologisch-multidimensionales Datenmodell für Analysezwecke
Schlussfolgerung
Zielsetzung & Themen der Arbeit
Diese Arbeit widmet sich der Entwicklung eines integrativen, multidimensionalen Datenmodells, das explorative Modellierung ermöglicht und über die klassische, kennzahlfokussierte Analyse hinausgeht, indem es strukturierte mit unstrukturierten Informationen verbindet.
- Konzeption explorativer Modellierung bei unvollständigem Wissen
- Entwicklung eines ontologisch-multidimensionalen Datenmodells
- Koppelung von Daten und Funktionen zur flexiblen Analyse
- Praktische Anwendung in Lernprozessen mittels semantischer Graphen
- Automatisierte Integration von Metadaten und Objektdaten
Auszug aus dem Buch
Exploratives Modellieren
Für ein exploratives Modellieren, bei dem Modelle mit unvollständigem Wissen intuitiv erstellt und dann flexibel mit wachsendem Wissen nutzenorientiert angepasst werden, ist es wichtig, von einer ganzheitlichen Wirklichkeit zu sprechen, die innerhalb der menschlichen Kommunikation verschiedene Seiten hat. Man könnte von einer positivistischen Seite sprechen. Das ist alles, was aus der momentan gewählten Sicht auf die Realität, also die konkrete Wirklichkeit eines Betrachters, als wahr, notwendig, sinnvoll oder erwartet gilt. Daneben gibt es immer auch die spekulative Seite. Das ist alles, was aus der gewählten Sicht auf die Realität als falsch, unnötig, sinnlos oder unerwartet gilt. Beide Seiten sind immer vorhanden und müssen in den verwendeten Medien zu jeder Zeit abbildbar sein, denn unvollständiges Wissen befindet sich zu einem bestimmten Teil immer auf der spekulativen Seite und damit ist die spekulative Seite ein ständiger Begleiter der Menschen. Es muss aber auch die Grenze, die im Moment der Betrachtung beide Seiten trennt, bewusst verfügbar sein, damit einem Nutzen entsprechendes Wissen entstehen und dem Pfad zu diesem Wissen gefolgt werden kann.
Der Autor spricht dabei von der Notwendigkeit der repräsentationalen Geschlossenheit von Modellen. Das ist das Merkmal eines Mediums, die positivistische Seite der abgebildeten Wirklichkeit so rein darzustellen, dass das betrachtete Modell interpretierbar bleibt, also einem bestimmten momentan angestrebten Nutzen dienen kann. Es muss aber möglich bleiben, die spekulativen Anteile der Wirklichkeit jederzeit wieder repräsentational verfügbar zu machen und vor allem, beide in ein Verhältnis zu setzen.
Zusammenfassung der Kapitel
Einleitung: Dieses Kapitel stellt das Spannungsfeld zwischen Exaktheit und Variabilität in der Datenmodellierung vor und führt die Ziele eines integrativen, multidimensionalen Konzepts ein.
Exploratives Modellieren: Hier wird ein Ansatz zur intuitiven und flexiblen Modellierung bei unvollständigem Wissen definiert, der mittels semantischer Graphen eine Brücke zwischen positivistischen und spekulativen Wissensanteilen schlägt.
Ontologisch-multidimensionales Datenmodell für Analysezwecke: Dieses Kapitel erläutert die praktische Umsetzung einer Ad-Hoc ETL-Strecke, welche Objektdaten in eine relationale Datenbank überführt und mittels SQL-Analysen auswertbar macht.
Schlussfolgerung: Das Fazit fasst zusammen, wie durch die methodische Trennung und Verbindung von Wirklichkeitsebenen die Qualität von Daten besser handhabbar wird und die Analyse von Lebensbereichen jenseits klassischer Kennzahlen ermöglicht wird.
Schlüsselwörter
Exploratives Modellieren, Ontologisches Datenmodell, Multidimensionalität, Semantische Graphen, Informationsmanagement, Data-Warehouse-Systeme, Datenqualität, Veracity, Variety, Kontextorientierung, ETL-Prozesse, Integratives Datenmodell, Lernprozesse, Wissensrepräsentation, Symbolische KI
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Es geht um die Entwicklung eines Konzepts zur explorativen Modellierung von Daten, das die Lücke zwischen präzisen, strukturierten operativen Daten und unstrukturierten Informationen schließt.
Welche zentralen Themenfelder werden bearbeitet?
Die zentralen Felder sind das Informationsmanagement, die ontologische Modellierung, Data-Warehouse-Technologien sowie die flexible, kontextbezogene Aufbereitung von Wissensstrukturen.
Was ist das primäre Ziel der Forschungsarbeit?
Das Ziel ist die Erschaffung eines multidimensionalen Datenmodells, das nicht starr auf Kennzahlen fokussiert, sondern eine explorative Analyse in komplexen und unbekannten Situationen ermöglicht.
Welche wissenschaftliche Methode kommt zum Einsatz?
Der Autor nutzt die Modellierung semantischer Graphen und die Implementierung von Integrativen Axiomen, um verschiedene Ebenen der Wirklichkeit in Modellen abzubilden und für analytische Sichten operationalisierbar zu machen.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil befasst sich mit der Vorstellung des explorativen Modellierens, der technischen Umsetzung über ein selbst entwickeltes Anwendungssystem sowie der Überführung dieser Daten in eine für SQL-Analysen geeignete relationale Datenbankstruktur.
Welche Schlüsselbegriffe charakterisieren die Arbeit am besten?
Zu den wichtigsten Begriffen zählen exploratives Modellieren, ontologisch-multidimensionales Datenmodell, semantische Graphen und die Bewältigung von Variety und Veracity in Datenstrukturen.
Wie werden Lehrbriefe in das ontologische Modell integriert?
Sie werden als Objekte der Klasse "Literatur" realisiert, wobei durch das Setzen semantischer Beziehungen zu Kursen eine inhaltliche Anreicherung erfolgt, die maschinell auswertbar ist.
Welche Funktion haben die "Integrativen Axiome" bei der Modellierung?
Sie dienen als Regelbasis, welche die Grenze zwischen positivistischen (als wahr geltenden) und spekulativen (als falsch geltenden) Modellanteilen bewusst macht, um anpassungsfähige und explorative Datenstrukturen zu erhalten.
Wie wird das System an den Benutzer angepasst?
Durch die statistische Erfassung der Interaktion eines Nutzers mit den Anwendungsmodulen werden diese je nach Kontext gewichtet, was zu einer funktionalen Kontextorientierung führt.
- Quote paper
- Tassilo Weller (Author), Exploratives Modellieren und ein ontologisch-multidimensionales Datenmodell für Analysezwecke mit Hilfe eines semantischen Anwendungssystems, Munich, GRIN Verlag, https://www.grin.com/document/1315345
