In dieser Hausarbeit werden die Grundlagen von Data Warehouse und Online Analytical Processing sowie deren Zusammenhänge erläutert. Anschließend werden die Vorteile dieser Konzepte an einem praktischen Unternehmensbeispiel verdeutlicht.
Die immer weiter fortschreitende Digitalisierung in der Wirtschaft führt zu einer regelrechten Flut von Daten, die vor allem für Unternehmen die Frage nach einer möglichst effizienten Speicherung und Auswertung dieser Daten aufwirft. Hinzu kommt, dass neben dem sich ständig erhöhenden Datenvolumen auch die Heterogenität der Datenquellen und Datenformate deutlich zugenommen hat. Die Datenquellen erstrecken sich somit nicht nur auf unternehmensinterne Daten, auch unternehmensexterne Daten, zum Teil in unstrukturierten Formaten, sind für die Auswertungen der Unternehmen denkbar. Diese Entwicklungen stellen sowohl eine große technische Herausforderung für Unternehmen dar, eröffnen jedoch gleichzeitig auch enorme Nutzenpotenziale. Die Aufgabe, die richtigen Informationen zum korrekten Zeitpunkt in benötigter Form, Menge und Qualität am adäquaten Ort zur Verfügung zu stellen, führt zusammen mit dem steigenden Marktdruck, aus den vorliegenden Daten sinnvolle betriebswirtschaftliche Erkenntnisse zu gewinnen, zu dem Bedürfnis nach einer technischen Unterstützung dieser Problematik. Eine Möglichkeit zur Analyse von betrieblichen Problemstellungen stellt ein Data Warehouse in Form einer auf große Datenmengen spezialisierten, hochperformanten Datenbank mit erweiterter Funktionalität in Kombination mit Elementen des „Online analytical Processing“ zur Realisierung von flexiblen Abfragen in multidimensionalen Datenräumen dar. Betrachtet man neben der geschilderten technischen Entwicklung außerdem den zunehmenden Trend zur Ausweitung von Planungs- und Analyseentscheidungen bis auf niedrigere Hierarchieebenen, so wird spätestens hier die Notwendigkeit eines geeigneten Systems zur Entscheidungsunterstützung in Unternehmen deutlich.
Inhaltsverzeichnis
1 Einleitung
2 Theoretische Grundlagen
2.1 Data Warehouse
2.1.1 Definition
2.1.2 Anforderungen an ein Data Warehouse
2.1.2.1 Themenorientierung
2.1.2.2 Integration
2.1.2.3 Zeitraumbezug
2.1.2.4 Nicht-Volatilität
2.1.3 ETL-Prozess
2.1.4 Aufbau des Data Warehouse
2.1.5 Architekturvarianten von DWH-Lösungen
2.2 OLAP
2.2.1 Definition
2.2.2 Schlüsselkriterien von OLAP-Werkzeugen
2.2.3 Grundoperationen der Datenaufbereitung
3 Nutzenpotenziale von DWH-Systemen und OLAP am Beispiel der clevertables GmbH
3.1 Geschäftsmodell
3.2 IT-Infrastruktur
3.3 Analyse der entscheidungsunterstützenden Funktionen von DWH und OLAP anhand konkreter Beispiele
4 Fazit und Ausblick
4.1 Fazit
4.2 Erreichung der Zielsetzung
4.3 Kritische Würdigung des eigenen Vorgehens
4.4 Ausblick/ zukünftige Entwicklungen
Zielsetzung & Themen
Ziel dieser Arbeit ist es, die grundlegenden Funktionsweisen und den Nutzen von Data-Warehouse-Systemen (DWH) sowie Online Analytical Processing (OLAP) zu erläutern und deren Anwendungspotenziale in einem mittelständischen Unternehmen zu demonstrieren.
- Theoretische Fundierung von Data-Warehouse-Konzepten
- Methoden und Architekturvarianten der Datenhaltung
- Analyse der OLAP-Funktionalitäten und Navigationsoperatoren
- Praxisbeispiel der clevertables GmbH zur wertschöpfenden Datennutzung
- Kritische Reflexion der Systemimplementierung und zukünftige Trends
Auszug aus dem Buch
2.1.2.1 Themenorientierung
Die Datenhaltung von operativen Anwendungssystemen zeichnet sich vor allem durch eine anwendungsbezogene, an der Wertschöpfungskette des Unternehmens orientierte Abbildung der stattfindenden Transaktionen aus. Die Themenorientierung eines DW hingegen orientiert sich an dem Informationsbedarf des Managements, weshalb die Informationen nach inhaltlichen Kernbereichen strukturiert werden. Typische Interessensgebiete sind z.B. einzelne Geschäftsbereiche, Produktgruppen, Gebiete, Kund:innen oder Jahre. Die Managementebene soll hierdurch in der Lage sein, direkten Zugriff zu Informationen in denen für sie relevanten Kernbereichen zu erlangen.
Schön betrachtet die Eigenschaft der Themenorientierung aus einer anderen Perspektive und betont, dass das Alleinstellungsmerkmal des DWH vor allem darin besteht, dass aus den vielfältig zur Verfügung stehenden, operativen und geschäftsprozessorientierten Daten nur die entscheidungsrelevanten Daten in einem neuen, dafür vorbereiteten Datenbestand gespeichert werden. Hierdurch wird stärker der Aspekt der Separation von Daten in den Vordergrund gerückt.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die Herausforderungen der modernen Datenflut ein und begründet die Notwendigkeit von DWH und OLAP als Werkzeuge zur Entscheidungsunterstützung.
2 Theoretische Grundlagen: Dieses Kernkapitel definiert die konzeptionellen Säulen von DWH und OLAP, erklärt deren Architektur, ETL-Prozesse und Navigationsmöglichkeiten.
3 Nutzenpotenziale von DWH-Systemen und OLAP am Beispiel der clevertables GmbH: In diesem Teil wird die Theorie auf die Praxis der clevertables GmbH angewandt, um konkrete betriebswirtschaftliche Mehrwerte aufzuzeigen.
4 Fazit und Ausblick: Hier werden die Ergebnisse zusammengefasst, kritisch hinterfragt und zukünftige technologische Entwicklungen wie Real-Time-Data-Warehousing skizziert.
Schlüsselwörter
Data Warehouse, DWH, OLAP, Online Analytical Processing, ETL-Prozess, Datenhaltung, Geschäftsmodell, entscheidungsunterstützendes System, multidimensionale Modellierung, Drill-Down, Slice, Dice, IT-Infrastruktur, Digitalisierung, Datenqualität.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beleuchtet die Rolle von Data-Warehouse-Systemen und OLAP als moderne Lösungen für die effiziente Datenhaltung und Analyse in Unternehmen.
Was sind die zentralen Themenfelder?
Die Schwerpunkte liegen auf den theoretischen Definitionen dieser Systeme, ihren Architekturmodellen, den ETL-Prozessen sowie praktischen Navigationsmöglichkeiten für Anwender.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist die theoretische Durchdringung der Materie und die praktische Veranschaulichung der Vorteile anhand des Unternehmensbeispiels clevertables GmbH.
Welche wissenschaftliche Methode wird verwendet?
Es wird eine deskriptive Literaturanalyse mit anschließendem Anwendungsbezug („Use-Case“-Analyse) für ein mittelständisches Unternehmen gewählt.
Was wird im Hauptteil behandelt?
Im Hauptteil werden neben den theoretischen Grundlagen (Kapitel 2) vor allem die IT-Struktur und konkrete Anwendungsszenarien mit OLAP-Techniken (Kapitel 3) analysiert.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wesentliche Begriffe sind Data Warehouse, OLAP, ETL-Prozess, multidimensionale Datenanalyse und Entscheidungsunterstützung.
Warum spielt die „Themenorientierung“ eine so große Rolle für die IT?
Sie ermöglicht es Managern, Daten nach unternehmensspezifischen Kernbereichen anstatt nach operativen Prozesswegen zu sortieren, was die Analyse drastisch vereinfacht.
Welchen Mehrwert bietet die Drill-Through-Operation?
Sie erlaubt einen tiefen Einblick von aggregierten Daten direkt zurück auf die originären Rechnungsbelege, was die Nachvollziehbarkeit von Kennzahlen sicherstellt.
- Quote paper
- Marie Sommerauer (Author), 2023, Nutzenpotenziale von Data-Warehouse-Systemen und Online-Analytical-Processing, Munich, GRIN Verlag, https://www.grin.com/document/1372564
