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 und Themenschwerpunkte
Dieser Beitrag befasst sich mit der Modellierung von Datenstrukturen auf eine explorative Art und Weise sowie der Vorstellung eines multidimensionalen Datenmodells für Analysezwecke. Dabei wird der Fokus auf die Überwindung der Herausforderungen gelegt, die durch die wachsende Bedeutung von unstrukturierten Daten und die Anforderungen an die schnelle und effiziente Analyse von großen Datenmengen entstehen.
- Integration von strukturierten und unstrukturierten Daten
- Entwicklung eines explorativen Modellierungsansatzes
- Erstellung eines multidimensionalen Datenmodells für die Analyse
- Bewältigung der Herausforderungen durch Big Data (Velocity, Veracity)
- Steigerung der Datenqualität und Flexibilität in der Datenmodellierung
Zusammenfassung der Kapitel
- Einleitung: Der Beitrag stellt die Relevanz von explorativer Modellierung und multidimensionalen Datenmodellen in der heutigen Informationslandschaft dar, insbesondere im Kontext von strukturierten und unstrukturierten Daten sowie Big Data-Herausforderungen.
- Exploratives Modellieren: Dieses Kapitel erläutert den Ansatz des explorativen Modellierens und seine Bedeutung für die Analyse von Daten, die nicht vollständig strukturiert sind.
- Ontologisch-multidimensionales Datenmodell für Analysezwecke: Dieses Kapitel stellt ein multidimensionales Datenmodell vor, das verschiedene Blickwinkel auf Daten ermöglicht und die Flexibilität bei der Datenanalyse erhöht.
Schlüsselwörter
Exploratives Modellieren, multidimensionales Datenmodell, Datenanalyse, Big Data, Velocity, Veracity, Datenqualität, Information Management, Data Warehouse-Systeme, OLAP, Integration, Flexibilität, Strukturierte Daten, Unstrukturierte Daten.
- Citar trabajo
- Tassilo Weller (Autor), Exploratives Modellieren und ein ontologisch-multidimensionales Datenmodell für Analysezwecke mit Hilfe eines semantischen Anwendungssystems, Múnich, GRIN Verlag, https://www.grin.com/document/1315345
