Innerhalb dieser wissenschaftlichen Arbeit sollen alle wesentlichen Aspekte der Architektur eines Data Warehouse Systems betrachtet werden.
Zu Beginn und zum gemeinsamen Verständnis werden daher zuerst die grundlegenden Begrifflichkeiten weiter definiert und beschrieben.Daraufhin wird der Grundstein gelegt und es werden zuerst die wesentlichen Anforderungen an die Architektur eines Data Warehouse Systems beschrieben, um dann eine Referenzarchitektur mit der Beschreibung seiner wichtigsten Architekturkomponenten vorzunehmen. Während an dieser Stelle eine funktionsorientierte Beschreibung der Komponenten vorgesehen wird, steht anschließend die Dynamik der Komponenten und deren Zusammenspiel im sogenannten Data Warehouse Prozess im Vordergrund. Die zuvor erarbeiteten Grundlagen bilden nun im Folgenden die Basis für einen Transfer der Theorie in die Praxis. Hier soll an einem selbstgewählten fiktiven Unternehmen die beschriebene Architektur mit seinen Komponenten praxisnah erprobt werden. Letztendlich rundet eine kritische Betrachtung und ein Fazit die wissenschaftliche Arbeit ab. Aufgrund der Komplexität und des Umfangs des Themenbereiches soll der Fokus primär auf der Architektur eines Data Warehouse Systems liegen.
Der enorme Zuwachs an Daten unterstützt den Bedarf einer strukturierten Datenspeicherung, Datenverarbeitung und vor allem Datenanalyse. In jedem Unternehmen werden Personaldaten eingegeben oder Daten zu Verkäufen erfasst. Die Verarbeitung und Verwaltung dieser Daten geschieht aber im Großteil autonom in Verantwortung des jeweiligen Bereiches / Abteilung. Schwierig wird es nun, wenn Entscheidungen getroffen werden müssen, die mehrere Unternehmensbereiche gleichzeitig tangieren und dadurch aus diesen betroffenen Bereichen unterschiedlich gespeicherte Daten herangezogen werden müssen. Es wird daher eine Plattform benötigt, welche die bestehenden Daten unterschiedlicher Quellen integriert und durch eine integrierte Sicht auf beliebige Daten Analysezwecke ermöglicht. Das Data Warehouse.
Auf einen Blick
- Note: 1,0
- Architekturmodell für eine fiktive Kaufhauskette mit vier regionalen Data Marts
- Erweiterte Referenzarchitektur in Anlehnung an Bauer und Günzel
- 17 Quellen im Literaturverzeichnis
Inhaltsverzeichnis
Vorwort
Inhaltsverzeichnis
1. Einleitung
1.1 Relevanz des Themas
1.2 Zielsetzung der Arbeit
2. Begriffliche und inhaltliche Einordnung
2.1 Data Warehouse
2.2 Data Warehouse System
2.3 Data Warehousing
2.4 Architektur
2.5 Differenzierung operativer und informativer Systeme
3. Aufbau und Architektur eines Data Warehouse Systems
3.1 Anforderungen
3.2 Referenzarchitektur
3.3 Beschreibung der einzelnen Ebenen und Komponenten
3.4 Verteilung des Data Warehouse
4. Phasen des Data Warehouse Prozess
4.1 Monitoring
4.2 Extraktionsphase
4.3 Transformationsphase
4.4 Ladephase
4.5 Analysephase
5. Praxisbeispiel Data Warehouse Architektur
5.1 Steckbrief
5.2 Anforderungen und Motivation
5.3 Architekturmodell
6. Fazit und kritische Betrachtung
Zielsetzung und Themen
Die Arbeit untersucht, wie ein Data-Warehouse-System aufgebaut ist und wie seine Architekturkomponenten zusammenwirken. Dazu verbindet sie die Darstellung grundlegender Begriffe und einer Referenzarchitektur mit der Betrachtung der Datenverarbeitungsphasen und überträgt das Konzept auf ein fiktives Einzelhandelsunternehmen.
- Begriffliche Abgrenzung von Data Warehouse, Data-Warehouse-System und Data Warehousing
- Anforderungen an die Architektur und Aufbau einer Referenzarchitektur
- Datenbeschaffung, Datenhaltung, Datenbereitstellung und Analyse
- Überwachung, Extraktion, Transformation und Laden von Daten
- Verteilung von Datenbeständen durch abhängige und unabhängige Data Marts
- Architekturmodell für eine fiktive Kaufhauskette
Auszug aus dem Buch
3.3.2 Datenbeschaffungsebene
Nach den Datenquellen ist die Datenbeschaffungsebene die erste Ebene eines Data Warehouse Systems. Ihre Zielsetzung ist die Sicherstellung der Versorgung des Data Warehouse Systems mit Daten aus den unterschiedlichen Quellsystemen. Innerhalb dieser Ebene werden Daten der Quellsysteme physisch in den Bereich des Data Warehouse Systems geladen, gesäubert und zusammengefasst (vgl. LEHNER 2003, S. 22).
Der Datenbeschaffungsbereich beschreibt daher all diejenigen Komponenten eines Data Warehouse Systems, die funktional zwischen den Datenquellen und der Basisdatenbank anzusiedeln sind. Hierzu zählen sowohl die ETL‐Komponenten als auch der Arbeitsbereich und der Monitor.
Monitor: Der Monitor ist für die Identifikation von Datenmanipulationen in den Datenquellen verantwortlich. Damit sowohl die Basisdatenbank als auch das Data Warehouse aktuelle Daten halten, müssen Aktualisierungen inkrementell beobachtet und verfolgt werden. Die konkrete Funktion des Monitors hängt unmittelbar von den angeschlossenen Datenquellen und deren Charakteristika sowie von den Anforderungen der Analysekomponente ab. Aus diesem Grund existiert in der Regel je Datenquelle ein Monitor (vgl. BAUER, GÜNZEL 2009, S. 49).
Arbeitsbereich: Innerhalb des Arbeitsbereiches (engl. Staging Area) werden Daten auf ihrem Weg von den Datenquellen in die Basisdatenbank temporär zwischengespeichert. Alle notwendigen Datentransformationen können dann direkt im Arbeitsbereich durchgeführt werden, ohne negative Folgen auf den laufenden Betrieb der Datenquellen oder der Basisdatenbank (vgl. BAUER, GÜNZEL 2009, S. 51).
ETL (Extraktion, Transformation, Laden): Mithilfe der Extraktionskomponente werden die Daten aus den Quellsystemen in den Arbeitsbereich übertragen. Hierbei werden bereits fundamentale Fehlerbeseitigungen durchgeführt und die Daten zur Modifikation vorbereitet. Zusätzlich kommt der Extraktionskomponente die Aufgabe zu, die Auswahl der Quellen bzw. Ausschnitte von Quellen, die in das Data Warehouse System importiert werden sollen, zu steuern. Hierbei ist wiederum der Zweck des Data Warehouse Systems (siehe Kapitel 3.3.1) entscheidend, da dadurch unter Umständen spezielle Anforderungen an die Relevanz und Beschaffenheit der Daten gestellt werden (vgl. KIMBALL, ROSS 2002, S. 7f; GOEKEN 2006, S. 29).
Die Transformationskomponente sorgt für den korrekten Zustand der Daten (Qualität), bevor diese in die Basisdatenbank geladen werden. Dies betrifft sowohl strukturelle Aspekte wie beispielsweise die Schemaintegration (Beseitigung von Inkonsistenzen auf Schemaebene) als auch inhaltliche Punkte wie die Datenintegration und Datenbereinigung. Zusätzlich werden durch die Transformationskomponente künstliche Schlüsse (Surrogate Keys) angelegt, da nicht sichergestellt ist, dass die Schlüssel der Quellsysteme Verwendung finden können (vgl. KIMBALL, ROSS 2002, S.8; BAUER, GÜNZEL 2009, S. 52f).
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung erläutert die Bedeutung integrierter Daten für betriebliche Entscheidungen und grenzt Zielsetzung und Umfang der Arbeit ab.
2. Begriffliche und inhaltliche Einordnung: Das Kapitel definiert zentrale Begriffe und unterscheidet operative von informativen Systemen.
3. Aufbau und Architektur eines Data Warehouse Systems: Ausgehend von Architekturanforderungen beschreibt der Autor eine Referenzarchitektur, ihre Ebenen und Komponenten sowie die Verteilung über Data Marts.
4. Phasen des Data Warehouse Prozess: Das Kapitel behandelt die dynamischen Abläufe von der Überwachung der Datenquellen über Extraktion, Transformation und Laden bis zur Analyse.
5. Praxisbeispiel Data Warehouse Architektur: Für eine fiktive Kaufhauskette werden fachliche und technische Anforderungen formuliert und in ein Architekturmodell übertragen.
6. Fazit und kritische Betrachtung: Das Schlusskapitel ordnet die Bedeutung der Architektur ein und erörtert die Notwendigkeit, Referenzmodelle an unternehmensspezifische Anforderungen anzupassen.
Schlüsselwörter
Data Warehouse, Data-Warehouse-System, Datenarchitektur, Referenzarchitektur, Datenintegration, Datenqualität, Datenbeschaffung, Extraktion, Transformation, Laden, Basisdatenbank, Metadaten, Data Marts, Datenanalyse, Entscheidungsunterstützung
Häufig gestellte Fragen
Worum geht es in der Arbeit?
Die Arbeit erläutert den Aufbau eines Data-Warehouse-Systems und das Zusammenspiel seiner Architekturkomponenten.
Welche Themenfelder stehen im Mittelpunkt?
Im Mittelpunkt stehen Architekturanforderungen, Datenquellen, Datenbeschaffung, Datenhaltung, Analyse und die Verteilung von Datenbeständen.
Was ist das Ziel der Untersuchung?
Der Autor möchte wesentliche Aspekte der Data-Warehouse-Architektur darstellen und eine Referenzarchitektur anhand eines fiktiven Unternehmens veranschaulichen.
Welche wissenschaftliche Vorgehensweise wird verwendet?
Die Arbeit wertet Fachliteratur aus, erläutert darauf aufbauend eine Referenzarchitektur und überträgt diese auf ein selbst gewähltes fiktives Praxisbeispiel.
Was behandelt der Hauptteil?
Der Hauptteil beschreibt die Ebenen und Komponenten eines Data-Warehouse-Systems sowie die Prozessphasen von der Überwachung bis zur Analyse.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Data Warehouse, Referenzarchitektur, Datenintegration, Datenqualität, Extraktion, Transformation, Laden und Data Marts.
Welche Rolle spielen Data Marts?
Data Marts bilden auf bestimmte Fachbereiche oder Benutzergruppen zugeschnittene Datensichten. Die Arbeit unterscheidet dabei abhängige und unabhängige Varianten.
Wie wird die Referenzarchitektur im Praxisbeispiel angewendet?
Für eine fiktive Kaufhauskette wird ein Modell mit Datenquellen, Arbeitsbereich, zentraler Datenbank, Data Warehouse und regionalen Data Marts entwickelt.
Wie unterscheidet die Arbeit operative und informative Systeme?
Operative Systeme unterstützen laufende Geschäftsvorgänge; informative Systeme integrieren Daten und stellen sie für Analysen und Entscheidungen bereit.
- Quote paper
- Dennis Schindeldecker (Author), 2013, Architektur eines Data Warehouse (Datenbankmanagement), Munich, GRIN Verlag, https://www.grin.com/document/426793