Auf der Suche nach neuen Wettbewerbsvorteilen nutzen Führungskräfte und Entscheidungsträger immer häufiger die Informationstechnologie. Sie soll nicht mehr nur der Sammlung und dem Austausch von Daten dienen, sondern verstärkt auch der systematischen und schnellen Beschaffung, Verwaltung, Bereitstellung und Interpretation von Informationen. Computergestützte Systeme sollen neben der Unterstützung der laufenden Geschäftsprozesse insbesondere die Effizienz und Effektivität bei Managementaufgaben steigern.
Die aktuelle Situation in den Unternehmen ist durch eine steigende Datenflut bei gleichzeitigem Informationsdefizit gekennzeichnet. Deshalb sind sie zunehmend gezwungen, die Information neben den Betriebsmitteln, Werkstoffen und Arbeit als vierten betriebswirtschaftlichen Produktionsfaktor anzusehen. Dessen gezielter und ökonomischer Einsatz kann entscheidend zum Unternehmenserfolg beitragen. Die Vielzahl der in operativen Datensystemen verteilten Daten erschweren deren sinnvolle Nutzung auf allen Managementebenen im Unternehmen. Ein managementunterstützendes System soll daher die richtige Information, zur richtigen Zeit, am richtigen Ort und in der erforderlichen Qualität bereitstellen, auf deren Basis eine zu treffende Entscheidung abgeleitet werden kann. Zur Beherrschung der immer mehr anwachsenden Datenflut hat sich in jüngerer Zeit die Technologie Data Warehouse herausgebildet. Sie basiert auf der Idee der Trennung der Daten zur Administration und Steuerung der operativen Prozesse von Daten und Informationen für Analyse, Planung und Kontrolle.
Inhaltsverzeichnis
1 Einleitung
2 Operative Datensysteme
2.1 Kennzeichnung
2.2 Schwächen
3 Das Data Warehouse-Konzept
3.1 Begriff und Ziele
3.2 Charakteristische Merkmale
3.3 Architektur
3.3.1 Wesentliche Komponenten
3.3.2 Extraktions- und Transformationswerkzeuge
4 Kritische Würdigung
Zielsetzung & Themen
Die Arbeit untersucht die technologische Abgrenzung zwischen operativen Datensystemen und Data Warehouse-Konzepten, um aufzuzeigen, wie letztere eine effiziente Entscheidungsunterstützung im Management ermöglichen.
- Analyse der Schwächen operativer Systeme bei Management-Entscheidungen
- Definition und Zielsetzung des Data Warehouse-Konzeptes
- Darstellung der Systemarchitektur und ihrer Komponenten
- Detaillierte Erläuterung der Extraktions-, Transformations- und Ladeprozesse (ETL)
Auszug aus dem Buch
3.3.2 Extraktions- und Transformationswerkzeuge
Eine wichtige Komponente in der Data Warehouse-Architektur stellen die zur Unterstützung des Gesamtprozesses der Datenaufbereitung und Überführung zwischen den Quellsystemen und dem Data Warehouse eingesetzten Extraktions- und Transformationswerkzeuge dar. Sie umfassen Funktionen zur Extraktion von Daten aus diversen operativen Systemen, zur Transformation der Daten und deren Ladeprozess in die Datenbasis (s. Abb. 2). Das dafür realisierte Konzept ist maßgeblich für die Datenqualität verantwortlich und bestimmt deren Nutzen für die Entscheidungsträger. Für diese Art der Werkzeuge hat sich der Begriff der ETL-Werkzeuge (engl. ETL-Tools) eingebürgert, wobei die Abkürzung ETL für Extraktion, Transformation und Laden steht. Wegen der Dreiteilung wird auch von dem dreistufigen Schichtenmodell gesprochen.
Die Extraktion umfasst die Selektion bzw. den Export der Basisdaten aus operativen Systemen, die in der Literatur oft dem Oberprozess der Filterung untergeordnet wird. Hier soll zunächst geprüft werden, ob direkte Zugriffsmöglichkeiten bzw. Datenexportverfahren aus den operativen Systemen bereits verfügbar sind oder ob die Anbindung der Datenquellen über zusätzliche Schnittstellen erarbeitet werden müssen.
Im Rahmen der Extraktion werden die selektierten Daten in die sog. Staging Area geladen. Diese stellt eine temporäre Zwischenspeicherung der Daten zur Verfügung, in der die Rohdaten von systematischen Fehlern bereinigt werden müssen. Zu der Bereinigung zählen die Aktivitäten wie die Untersuchung der zu übernehmenden Daten auf mögliche Defekte und entsprechende automatische oder manuelle Korrektur. Aus den Extrakten entstehen so bereinigte Extrakte.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die zunehmende Bedeutung der Informationstechnologie für das Management ein und begründet die Notwendigkeit einer Trennung zwischen operativen Prozessen und analytischen Systemen.
2 Operative Datensysteme: Es werden die Funktionen und Schwächen klassischer Transaktionssysteme dargestellt, die für langfristige Managementanalysen oft unzureichend sind.
3 Das Data Warehouse-Konzept: Dieses Kapitel erläutert die Grundbegriffe, die architektonische Struktur sowie die technologischen Schlüsselkomponenten eines Data Warehouse.
4 Kritische Würdigung: Abschließend werden die Herausforderungen bei der Implementierung und Pflege eines Data Warehouse im Kontext seiner Nutzenvorteile für die Entscheidungsfindung kritisch bewertet.
Schlüsselwörter
Data Warehouse, Operative Datensysteme, Entscheidungsunterstützung, ETL-Prozess, Architektur, Extraktion, Transformation, Laden, Datenqualität, Managementinformationen, OLAP, Data Mining, Datenintegration, Staging Area, Unternehmensdaten.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Hausarbeit befasst sich mit der Darstellung des Data Warehouse-Konzeptes und setzt dieses in einen Abgrenzungskontext zu operativen Datensystemen.
Was sind die zentralen Themenfelder?
Die Schwerpunkte liegen bei den Limitationen von Transaktionssystemen, dem Aufbau von Data Warehouses sowie der detaillierten Betrachtung des ETL-Prozesses.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es, den Nutzen und die Notwendigkeit von Data Warehouse-Technologien für eine fundierte, computergestützte Entscheidungsfindung im Management herauszuarbeiten.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer Literaturanalyse, in der aktuelle Konzepte und Architekturmodelle der Wirtschaftsinformatik systematisch zusammengefasst und bewertet werden.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die Kennzeichnung und Schwächen operativer Systeme, die Begriffsdefinition sowie die architektonische Darstellung der Data Warehouse-Komponenten.
Welche Schlüsselbegriffe charakterisieren die Arbeit?
Wesentliche Begriffe sind Data Warehouse, ETL-Prozess, Entscheidungsunterstützung, Datenintegration und operative Datensysteme.
Warum ist die Unterscheidung zwischen OLTP und OLAP so wichtig?
Die Arbeit verdeutlicht, dass operative Systeme (OLTP) auf hohe Transaktionsgeschwindigkeiten ausgelegt sind, während Data Warehouses (OLAP) für komplexe, analytische Abfragen optimiert werden müssen.
Welche Rolle spielt die Staging Area bei der Datenaufbereitung?
Sie dient als temporäre Zwischenumgebung, um Rohdaten aus heterogenen Quellsystemen zu bereinigen und auf Fehler zu prüfen, bevor sie in das Data Warehouse geladen werden.
- Quote paper
- Edita Gronemeier (Author), 2002, Darstellung des Data Warehouse-Konzeptes in Abgrenzung zu operativen Datensystemen, Munich, GRIN Verlag, https://www.grin.com/document/56301
