In einem Zitat von John Naisbitt ist zu lesen:
„Wir ertrinken in Informationen, aber wir hungern nach Wis-sen...“
Dieses Zitat bringt sehr gut zum Ausdruck, das in Unternehmen sehr viele Informationen gesammelt werden. Dies können unter anderem Kundenin-formationen, Produktinformationen oder auch Konkurrenzinformationen sein.
Allerdings ist es für Unternehmen oft nur sehr schwer möglich, diese Infor-mationen in brauchbares und aktuelles Wissen umzuwandeln und diese schlussendlich gewinnbringend für sich auszuwerten und einzusetzen.
An diesem Punkt setzen OLAP-Datenbanksysteme an. Sie versuchen er-hobene Informationen bestmöglich für Analysen wie z.B. Business Intelli-gence Berichte oder Data Mining Analysen bereitzustellen um diese Infor-mationen für die Unternehmen in Wissen umzuwandeln.
Aus diesem Grund beschäftigt sich dieses Assignment mit dem Thema OLAP-Datenbanksysteme. Das Assignment soll einen Über-blick über die Modellierung, technische Realisierung und die unter-schiedlichen Architekturvarianten von OLAP-Datenbanksystemen geben. Des Weiteren sollen Einsatzgebiete einer solchen OLAP-Datenbank aufgezeigt werden.
Inhaltsverzeichnis
1 Einleitung
1.1 Zielsetzung
2 Definitionen und Abgrenzung
2.1 Definition OLAP
2.2 Abgrenzung OLAP vs. OLTP
3 Technische Realisierung
3.1 ROLAP
3.2 MOLAP
3.3 HOLAP
3.4 Vergleich ROLAP / MOLAP / HOLAP
3.4.1 Vorteile
3.4.2 Nachteile
3.4.3 Fazit
4 Modellierung
4.1 Semantisches Konzept
4.1.1 Slice
4.1.2 Dice
4.1.3 Drill Down & Roll Up
4.1.4 Pivotierung
4.2 Logisches Konzept
4.2.1 Star-Schema
4.2.2 Snowflake-Schema
5 Einsatzmöglichkeiten
6 Zusammenfassung
Zielsetzung & Themen
Das Hauptziel dieser Arbeit ist es, einen fundierten Überblick über die Modellierung, die technische Realisierung und die verschiedenen Architekturvarianten von OLAP-Datenbanksystemen zu geben sowie deren spezifische Einsatzmöglichkeiten zu beleuchten.
- Definition und Abgrenzung von OLAP im Vergleich zu OLTP
- Technische Datenhaltungskonzepte (ROLAP, MOLAP, HOLAP)
- Multidimensionale Modellierungsansätze (Slice, Dice, Drill Down & Roll Up, Pivotierung)
- Logische Schemata wie Star-Schema und Snowflake-Schema
- Anwendungsgebiete im Bereich Business Intelligence und Data Mining
Auszug aus dem Buch
3.2 MOLAP
Das multidimensionale Online Anlaytical Processing (M-OLAP) verwendet im Gegensatz zum R-OLAP multidimensionale Datenstrukturen zur Speicherung der Daten.
Beim M-OLAP ergibt sich durch die Multidimensionalität die Schwierigkeit, dass mit der Anzahl der Dimensionen auch die Anzahl der grundsätzlich entstehenden Felder zunimmt, die aber nicht zwanghaft einen Inhalt besitzen müssen.
Man spricht erfahrungsgemäß davon, dass nur ca. 10 % der Felder mit Werten befüllt sind. Dies führt bei einer großen Dimensionalität zu einem Aufblähen der Datenbank und dadurch zu Performanceverlusten.
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung thematisiert die Herausforderung der Informationsflut in Unternehmen und führt in die Rolle von OLAP-Datenbanksystemen als Werkzeug zur Wissensgenerierung ein.
2 Definitionen und Abgrenzung: Dieses Kapitel liefert grundlegende Definitionen für OLAP und grenzt es methodisch von transaktionsorientierten OLTP-Systemen ab.
3 Technische Realisierung: Es werden die drei Architekturvarianten ROLAP, MOLAP und HOLAP im Detail erläutert und deren Vor- und Nachteile gegenübergestellt.
4 Modellierung: Hier werden die multidimensionalen Operationen sowie die logischen Konzepte der Datenmodellierung anhand von Star- und Snowflake-Schemata erläutert.
5 Einsatzmöglichkeiten: Dieses Kapitel beschreibt, wie OLAP-Systeme in der strategischen Planung, Kontrolle und beim Data Mining genutzt werden können.
6 Zusammenfassung: Die Arbeit schließt mit einer Synthese der Ergebnisse und einem Ausblick auf künftige Entwicklungen im Bereich der Architektur von OLAP-Systemen.
Schlüsselwörter
OLAP, OLTP, ROLAP, MOLAP, HOLAP, Data Warehouse, Business Intelligence, Data Mining, multidimensionale Datenstrukturen, Star-Schema, Snowflake-Schema, Slicing, Dicing, Pivotierung, Datenbankmanagement.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit behandelt die Grundlagen, Architekturen und Modellierungsmethoden von OLAP-Datenbanksystemen (Online Analytical Processing) zur Unterstützung von Unternehmensentscheidungen.
Welche zentralen Themenfelder werden abgedeckt?
Zu den zentralen Themen gehören die Abgrenzung von OLTP, die technischen Realisierungsformen, die logische Datenmodellierung und die betriebswirtschaftlichen Einsatzgebiete.
Was ist das primäre Ziel oder die Forschungsfrage?
Ziel ist es, einen Überblick über die Architekturvarianten von OLAP-Datenbanken, deren technische Umsetzung und die damit verbundenen Möglichkeiten der Datenmodellierung aufzuzeigen.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer Literaturanalyse und einer deskriptiven Darstellung von Datenbankkonzepten und Architekturmodellen.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in technische Realisierungsformen, multidimensionale Datenmanipulation und logische Modellierungsschemata.
Welche Schlüsselwörter charakterisieren die Arbeit?
Kernbegriffe sind OLAP, Business Intelligence, multidimensionale Datenstrukturen, Star-Schema, ROLAP, MOLAP und Datenmodellierung.
Worin liegt der Hauptunterschied zwischen ROLAP und MOLAP?
ROLAP nutzt bestehende relationale Datenbanktechnologien, während MOLAP auf spezialisierte multidimensionale Datenstrukturen setzt, was zu unterschiedlichen Performance-Eigenschaften führt.
Was bewirkt die „Slice“-Operation in einem Datenwürfel?
Die Slice-Operation dient dazu, eine einzelne Schicht aus dem Datenwürfel herauszuschneiden, wodurch die Dimensionalität verringert und eine gezielte Auswertung ermöglicht wird.
Warum wird das Snowflake-Schema als Weiterentwicklung angesehen?
Es verfeinert das Star-Schema durch Klassifizierung und Normalisierung der Dimensionstabellen, was zu einer strukturierteren Datenhaltung führt, allerdings auch die Komplexität erhöhen kann.
- Quote paper
- Florian Kurtz (Author), 2012, OLAP-Datenbanksysteme - ein Überblick, Munich, GRIN Verlag, https://www.grin.com/document/205228
