Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg1/24 Beispiel einer Anfrage Welche Umsätze sind in den Jahren 1998 und 1999 in den Abteilungen Kosmetik, Elektro und Haushaltswaren in den Bundesländern Sachsen-Anhalt und Thüringen angefallen?

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg2/24 Fragestellungen und Aufgaben (Bsp.) Überprüfung des Warensortiments zur Erkennung von Ladenhütern oder Verkaufsschlagern Standortanalyse zur Einschätzung der Rentabilität von Niederlassungen Untersuchung der Wirksamkeit von Marketing-Aktionen Auswertung von Kundenbefragungen, Reklamationen bezüglich bestimmter Produkte etc. Analyse des Lagerbestandes Warnkorbanalyse mit Hilfe der Kassenbons

Kosmetik Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg3/24 Zeitraum Produkt Summe Haushalt Elektro Summe Sachsen- Anhalt Thüringen Summe Region Kennzahl Umsatz Ergebnis (Würfel)

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg4/24 Ergebnis (Bericht) UmsatzKosmetikElektroHaushaltSUMME 1998 Sachsen-Anhalt Thüringen SUMME Sachsen-Anhalt Thüringen SUMME SUMME

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg5/24 Aspekte von Data Warehouses Integration Vereinigung von Daten aus verschiedenen, meist heterogenen Quellen Überwindung der Heterogenität auf verschiedenen Ebenen (System, Schema, Daten) Analyse Bereitstellung der Daten in einer vom Anwender gewünschten Form (bezogen auf Entscheidungsgebiet) erfordert Vorauswahl, Zeitbezug, Aggregation

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg6/24 Marktentwicklung Marktgröße Data Warehouse und OLAP (Quelle: OLAP Report OnLine

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg7/24 Abgrenzung zu OLTP Klassische operative Informationssysteme Online Transactional Processing (OLTP) Erfassung und Verwaltung von Daten Verarbeitung unter Verantwortung der jeweiligen Abteilung Transaktionale Verarbeitung: Kurze Lese-/Schreibzugriffe auf wenige Datensätze Data Warehouse Analyse im Mittelpunkt lange Lesetransaktionen auf vielen Datensätzen Integration, Konsolidierung und Aggregation der Daten

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg8/24 Abgrenzung zu OLTP: Anfragen Anfragetransaktionalanalytisch Fokus Lesen, Schreiben, Modifizieren, Löschen Lesen, periodisches Hinzufügen Transaktionsdauer und -typ kurze Lese-/ Schreibtransaktionen lange Lesetransaktionen Anfragestruktur einfach strukturiertkomplex Datenvolumen einer Anfrage wenige Datensätzeviele Datensätze Datenmodell anfrageflexibelanalysebezogen

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg9/24 Abgrenzung zu OLTP: Daten Datentransaktionalanalytisch Datenquellenmeist einemehrere Eigenschaften nicht abgeleitet, zeitaktuell, autonom, dynamisch abgeleitet/konsolidiert, nicht zeitaktuell, integriert, stabil Datenvolumen MByte…GByteGByte…TByte Zugriffe EinzeltupelzugriffTabellenzugriff

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg10/24 Abgrenzung zu OLTP: Anwender Anwendertransaktionalanalytisch Anwendertyp Ein-/Ausgabe durch Angestellte oder Applikationssoftware Manager, Controller, Analyst Anwenderzahlsehr viele wenige (bis einige hundert) Antwortzeit ms…secsec…min

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg11/24 Data Warehouse: Charakteristika Fachorientierung (subject-oriented) Zweck des Systems ist nicht Erfüllung einer Aufgabe (z.B. Personaldatenverwaltung), sondern Modellierung eines spezifischen Anwendungsziels Integrierte Datenbasis (integrated) Verarbeitung von Daten aus mehreren verschiedenen Datenquellen (intern und extern) Nicht-flüchtige Datenbasis (non-volatile) stabile, persistente Datenbasis Daten im Data Warehouse werden nicht mehr entfernt oder geändert Historische Daten (time-variant) Vergleich der Daten über Zeit möglich (Zeitreihenanalyse) Speicherung über längeren Zeitraum

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg12/24 Data Warehouse Datenbank, die Daten aus unterschiedlichen Quellen integriert und Analysen darauf unterstützt (Rahm/Vossen) Data Mining Nach Rahm/Vossen eine Sammlung von Verfahren zur Entdeckung von Mustern in großen Datenmengen. Verfahrensklassen sind Clustering, Klassifikation und die Bestimmung von Assoziationsregeln

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg13/24 Aufgabe 1 (IR) Information Retrieval wird durch sogenannte Suchmaschinen (Search Engines) im Web realisiert. Teilweise spezialisieren sich diese Suchmaschinen auf bestimmte Themengebiete. Finden Sie solche Anbieter mit Suchmaschinen und notieren Sie sich die abgedeckten Themengebiete.

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg14/24 Erweiterung der Abfrage Kombination select* fromgermany, cities wherecities.name = germany.stadt andgermany.hotellikearcor andcities.plzlike 6% orcities.plzlike5%

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg15/24 W3QL Beispiel select from n1, l1, (n2, l2), n3, l3 wheren1 in {URL}; l1 in {path} l2 in {path} n3: PERLCOND, n3.format =~/image/ n3 in {path} using ISSEARCH –d 5-l 1000 Ergebnis: Tabelle mit Links

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg16/24 XML Beispiel WHERE arcor $i $s IN CONSTRUCT $i $s

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg17/24 Meta Viz Umgebung zur visuellen Interaktion mit Geodaten Ziel: Reduktion des Informationsüberflusses anderer Geodatensuchmaschinen Auswahl der Zielregion durch Zoomen Suche nach Attributen in Metadaten Gefundene Objekte werden im selektierten Großraum angezeigt Problem: einzelne Objekte können verdeckt werden

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg18/24 Meta Viz Lösung: rotierbare 3D-Darstellung

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg19/24 Information Retrieval Art und Weise der Informationsbeschaffung Ziel: effektive Verwaltung großer Datenmengen Benutzerorientiertes Extrahieren von interessanten Informationen aus beliebiger Datenbasis Sinnvolle, interaktive, graphische Sortierung/Darstellung der Suchergebnisse Abfragesprachen Schnittstelle zwischen Datenbank und Benutzerinterface einfache Darstellung der Abfrage, verständlich für Mensch und Maschine flexible Gestaltung der Sprache für einfache und komplexe Abfragen Erweiterbarkeit von Abfragen graphischer Präsentationen unterstützt ausgeprägte menschliche Mustererkennungsfähigkeit

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg20/24 SQL Erweiterungen der Sprache durch CSQL und ParaSQL W3QL XML basierende Abfragesprachen XML-QL SQL allgemeiner Standard SQL hat als Datengrundlage eine relationale Datenbankstruktur

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg21/24 Aufbau von SQL Formulierung mittels Text Datentypen wie Text und Zahl Gliederung: Definition der Rückgabe selectcities Datenquellefromgermany Suchparameterwherehotellikear% Sortierreihenfolgeorder byinhaber

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg22/24 Ergänzungen von SQL CSQL geo-technische Funktionen Abstand, Überschneidung (z.B. Flugbahnen, Straßen) und Grenzen Distance (hotel, bahnhof) <= 100 ParaSQL pattern matching auf Geodaten neue Datentypen: Raum, Zeit, Raum-Zeit Bsp: Circle (earth-quake(10) = high,50) Kommerzielle Produkte Oracle, Sybase: Ergänzungen von SQL um eigene Funktionen

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg23/24 W3QL Struktur wie SQL Datenquelle: das WWW (Domains und Pfade) zur Suche regular expressions (Perl) Suche nach/in verschiedenen Datei-Typen: Text, HTML, LaTeX, Bildern, Filmen automatische Formbearbeitung Tiefensuche XML und Abfragesprachen Datenquelle: XML-Dokumente (Objekt, Struktur) eignet sich zur Speicherung von Metadaten kein einheitlicher Standard für Abfragesprache

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg24/24 XML-QL Formulierung mittels Text typenlose bzw. an XML-Struktur gebunden Struktur der Abfrage Suchbedingungen Definition der Rückgabe