Problemstellung Heterogene DV-Strukturen Mangelnde Kapazität in der EDV-Abteilung Historische Daten nicht verfügbar Analysen belasten die vorhandene Infrastruktur.

Präsentation zum Thema: "Problemstellung Heterogene DV-Strukturen Mangelnde Kapazität in der EDV-Abteilung Historische Daten nicht verfügbar Analysen belasten die vorhandene Infrastruktur."—  Präsentation transkript:

1 Problemstellung Heterogene DV-Strukturen Mangelnde Kapazität in der EDV-Abteilung Historische Daten nicht verfügbar Analysen belasten die vorhandene Infrastruktur Mangelnde Nachvollziehbarkeit der Analysen

2 Das Data Warehouse Ziel: Entscheidungsunterstützung von Mitarbeitern aller Unternehmensbereiche Kern ist eine Datenbank mit allen entscheidungsrelevanten Informationen Ergänzt um Softwarewerkzeuge für Datenbereitstellung Datenanalyse

3 Anforderungen (nach Inmon) SubjektorientierungVereinheitlichung ZeitraumbezugUnveränderbarkeit Data Warehouse

4 Ad Hoc- Auswertung Reports Spreadsheets Excel etc. OLAP Tools und Analysen Data-Mining Extraktion/ Transformation Tools RDBMS Nielsen, Bertelsmann, etc. VSAMFiles etc. Operationale Daten Externe Datenquelle Data Warehouse-Architektur

5 Data Warehouse Ad Hoc- Auswertung Reports Spreadsheets Excel etc. OLAP Tools und Analysen Data-Mining Extraktion/ Transformation Tools RDBMS Nielsen, Bertelsmann, etc. VSAMFiles etc. Operationale Daten Externe Datenquelle Data Warehouse-Architektur

6 Data Warehouse RDBMS Nielsen, Bertelsmann, etc. VSAM Files etc. Extraktion Transformation Plausibilisierung Verdichtung Anreicherung Historie Versorgung der DWH-Datenbank mit Daten

7 Transformation operationaldata warehouse Anwendung A – m,w Anwendung B – 1,0 Anwendung C – x,y Anwendung D – männl., weibl. weiblich, männlich

8 Abbildungsvorschriften Datenmodelle auf logischer / physischer Ebene Herkunft der Daten, Formate, Verantwortlichkeiten; Verdichtungen entscheidungs- relevante Daten Metadaten Standardberichte / Berichtsvorlagen Berechnungsvorschriften Begriffslexika

9 Multidimensionale Analyse betriebswirtschaftlicher Variablen (z.B. Umsatz, Gewinn) nach verschiedenen Kriterien (z.B. Kunden, Regionen) Zeit Region Produkt Vertriebseinheit Kunde Umsatz Online Analytical Processing OLAP

10 Dimension REGION Untersuchen der Daten in einem feineren Detaillierungsgrad innerhalb einer Dimension Untersuchen von Detaildaten Drill-down

11 Dimension REGION Beim Drill-/Roll-up werden die Werte auf der nächst höheren Hierarchieebene analysiert Drill- oder Roll-up

12 Herausschneiden einzelner Scheiben, Schichten aus dem Datenraum Regionale Sicht z.B. Gebietsleiter Zeit Region Produkt alle Produkte gesamter Zeitraum eine Region (Filter) Produkt Sicht z.B. Produktmanager Zeit Region Produkt alle Regionen gesamter Zeitraum ein Produkt (Filter) Slice

13 Rotation des Datenwürfels durch Drehen oder Kippen, um eine andere Perspektive auf die Daten zu ermöglichen. Region Zeit Produkt Dice