Real Time Data Warehousing

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

1. Einführung

2. Grundlagen und Überblick
2.1 Das Data Warehouse
2.2 Entwicklung
2.3 Aufbau des Data Warehouse

3 Erweiterung der Data Warehouse – Struktur
3.1 Architektur von Real Time Data Warehouse Systemen
3.1.1 Grundfunktionen von Real Time Data Warehouse Systemen
3.1.2 Der Closed – Loop – Ansatz
3.2 Real time versus Right Time
3.3 Abgrenzung zum klassischen Modell

4 Anwendungsgebiete des Real Time Data Warehousing
4.1 Best – Practices – Award für die Deutsche Börse
4.2 Continental Airlines

5 Fazit

Literaturverzeichnis

Periodika und Dissertationen und weiterführende Quellen

Quellenverzeichnis:

Abbildungsverzeichnis

Abbildung 1: Charakteristika des Data Warehousing

Abbildung 2: Architektur eines Real Time Data Warehousesystems

Abbildung 3: Real Time vs. Right Time

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Einführung

Das Management jedes Unternehmens steht vor internen sowie externen Rahmenbedingungen zur Entscheidungsfindung. Um die Unternehmens­ergeb­nisse optimal Steuern und Planen zu können stehen die Führungskräfte vor vielfältigen Herausforderungen. Für eine Garantie der Zukunftsfähigkeit des Unter­nehmens, ist es notwendig, sich an diese anzupassen oder aktiv die Rahmenbedingungen mitzugestalten. Hauptziel der vorliegenden Hausarbeit ist die Darstellung, wie die Information von Real Time Data Warehousing, auf die Planung und Steuerung der Unter­nehmens­ergebnisse positiv Einfluss nehmen kann.

In Kapitel 2 werden die Grundlagen und ein Überblick des Data Warehousing abgebildet. Als Verständnisgrundlage dient die Eingrenzung des Data Ware­housing sowie die Entwicklung. Das Kapitel endet mit dem Aufbau des Data Warehousing.

Die Erweiterung der Data Warehouse Struktur, wie zum Beispiel die Architektur von Real Time Systemen befindet sich im Kapitel 3. Zur besseren Erörterung erfolgt eine Differenzierung von Real und Right Time Data Warehousing im Abschnitt 3.2. Um einen tieferen Einblick geben zu können findet die Abgrenzung zum klassischen Modell im letzten Abschnitt unter 3.3 statt.

Im vierten Abschnitt der Hausarbeit werden praktische Beispiele über das Real Time Data Warehousing vorgenommen. Entsprechend der individuellen Integrationsstrategien der Unternehmen stehen verschiedene Werkzeuge der Informationstechnologien für die operative Umsetzung der Informations­integration zur Verfügung. Bei der Recherche bezüglich der Integra­tions­werk­zeuge wurde deutlich, dass diese für Unternehmen nur von positivem Nutzen sein können.In Kapitel 5 werden die wesentlichen Aussagen kurz zusammen­gefasst. Darüber hinaus wird der Versuch unternommen, künftige Entwicklungen des Real Time Data Warehousing zu geben.

2. Grundlagen und Überblick

In diesem Abschnitt werden die Art und Weise vorgestellt, die für das weitere Verständnis der Hausarbeit notwendig sind. Hierzu zählen zum Beispiel die Hauptcharakteristika des Data Warehousing. Des Weiteren soll auf die Entwicklung sowie die Architektur eingegangen werden.

2.1 Das Data Warehouse

Das Data Warehouse ist eine Sammlung von gespeicherten Daten, die zur Entscheidungsunterstützung von Führungskräften heran­ge­zogen werden.

William H. Inmon fasst Data Warehouse wie folgt zusammen: “A data warehouse is a subject-oriented, intergrated, nonvolatile, and time-variant collection of data in support of management`s decisions.”^[1]

Data Warehouse kann in vier Bereiche aufgeteilt werden. Diese sind:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1:

Quelle: Eigene Darstellung

1. Themenorientierung:

Um Zusammenhänge zwischen Daten und Fakten zu erkennen, müssen sie auf Basis eines übergeordneten Themas, wie zum Beispiel Produkt oder Kunde, erfasst und ausgewertet werden. Eine Aufgabe der Analyse besteht im Auffinden unbekannter Verbindungen. Die gesammelten Daten unterstützen damit nicht nur einen bestimmten Geschäftsprozess, sondern können auf ver­schieden Themenfelder ausgeweitet werden.

2. Integration:

Die Daten müssen in das Data Warehouse nicht nur eingefügt, sondern auch aneinander angepasst werden, um sinnvolle Werte zu erzielen. Somit wird ein gesamter Blick über das Unternehmen ermöglicht. Einer der Hauptgründe für die Entwicklung von Data Warehouse war eine zentrale Sicht zu erhalten.

3. Chronologie:

Daten werden über einen längeren Zeitraum, je nach Bedarf des Unterneh­mens, archiviert, um Zeitreihenanalysen zu gestatten. Nur so können Führungs­kräfte Informationen über einen längeren Zeitraum erhalten.

4. Persistenz:

Der Datenbestand eines Data Warehouses ist stabil, das bedeutet, dass Datensätze nicht gelöscht werden. Dies ist Voraussetzung für die Voll­ständig­keit der Daten. Bei Veränderung von Daten kommt es zur Uneinstimmigkeiten der Informationen.

Beim Data Warehouse wird in analytische und operative Systeme unterschieden. Auf diese Charakteristiken wird hier nicht weiter eingegangen.

2.2 Entwicklung

In den siebziger Jahren des zwanzigsten Jahrhunderts fanden erste Studien im MIT^[2] statt, die eine optimale technische Architektur von Computersystemen als Ziel hatte. Es wurden allgemeine Richtlinien zum Aufbau festgelegt. Hier unterschied man zum ersten Mal in operative und analytische Systeme.

IBM^[3] führte ende der achtziger Jahre ein „Information Warehouse“ ein, mit dem Ziel, Daten die aus verschiedenen Systemen stammen zusammen zu führen, ein. Die Zusammenlegung von Abteilungen beziehungsweise Firmen sollte so vereinfacht werden.

William H. Inmon veröffentlichte sein Buch „Building the Data Warehouse“. Somit schuf er einen Leitfaden für die Erstellung von Data Warehouse Systemen. Anfangs hatten Unternehmen technische sowie organisatorische Schwie­rig­keiten bei der Erstellung von Data Warehouse Architekturen.

Mittlerweile dient das Programm zur Berichterstellung, Analyse von Daten und zur Entscheidungsfindung der Unternehmen.

2.3 Aufbau des Data Warehouse

Im Data Warehouse findet die Speicherung von heterogenen Quellen statt. Dies sind Daten deren Struktur, Inhalt und Zugriffsstellen unterschiedlich sind. Oft werden Systeme des Online Transaction Processing (OLTP) erfasst. Grundsätzlich sind aber beliebige Quellsysteme denkbar. Diese können un­struk­turierte Textdateien oder semistrukturierte Webseiten sein. Unter­neh­mens­interne sowie –externe können als Quelle dienen. Bei der Auswahl sollte auf Qualität, Zuverlässigkeit und auf die Kosten geachtet werden. Der Prozess von Transformation, Extraktion und Laden integriert die Daten. Das Date Ware­house übernimmt in der klassischen Architektur eine passive Rolle und stellt die Applikationen bereit. Mit Hilfe von Tools für Data Mining und OLAP werden Aus­wertungen des Datenbestands durchgeführt und Informationen aus der Masse ge­wonnen. Durch das Zusammenspiel von Data Minings sollen bisher unbe­kannte Zusammenhänge hergestellt werden. Hier setzt man Techniken der Klassi­fikation und Clusterbildung ein. OLAP Tools machen den Datenbestand interaktiv zugänglich. Der Benutzer dieser Daten kann den Verdichtungsgrad beeinflussen. Trotz umfangreicher Fragen sind relativ kurze Antwortzeiten gewährleistet.^[4]

Das Data Warehouse wird auf Grundlage von Datenbanksystemen realisiert. La­dungen von Information beinhalten ein hohes Volumen, welches in Form von Tabellen auf rationalen Datenbanksystemen erfolgt.

3 Erweiterung der Data Warehouse – Struktur

Das in Kapitel 2 vorgestellte Modell der Data Warehouse – Struktur ist für eine Entscheidungsfindung im Kontext von taktischen Analysen oder ope­rativen Entscheidungen nicht anwendbar. Beide Vorgehen stellen den An­spruch einer schnelleren Verarbeitung der Daten an die Data Ware­house – Struktur dar. Im Rahmen der Entscheidungs­findung wird nicht aus­schließlich auf die Qualität der zur Verfügung gestellten Daten ge­achtet, sondern auch auf die verstrichene Zeit, bis die Daten vorliegen.^[5]

An dieser Stelle erfolgt die Erweiterung der vorhandenen und im vor­an­ge­stellten Kapitel dargestellte Data Warehouse – Struktur. Im Rah­men der vorliegenden Hausarbeit soll hier besonders auf Aspekte des Real Time Data Warehousing sowie kurz auf den Cloosed Loop An­satz eingegangen werden.

[...]

^[1] Vgl. Inmon, W. H.: Building the Data Warehouse, Seite 31

^[2] Massachusetts Institute of Technology (www.mit.edu)

^[3] International Business Machines Corporation (www.ibm.com)

^[4] Vgl. Chaudhuri, S., Dayal, U.: An overview of data warehousing and OLAP technology. In Sigmod, R: ACM Special Interest Group on Management of Data, S. 65-74

5 Vgl. Hackathorn, Richard: The BI Watch: Real-Time to Real-Value. In: DM Review Magazine (2004), Januar