Data-Warehouse-Systeme kompakt: Aufbau, Architektur, by Kiumars Farkisch

German 2

By Kiumars Farkisch

Dieses Buch untersucht Data-Warehouse-Systeme als einheitliche, zentrale, unternehmensweite, vollständige, historisierte und analytische IT-Plattform und stellt diese zur Unterstützung der Datenanalyse und des Entscheidungsfindungsprozesses dar. Dabei wird auf die einzelnen Komponenten eingegangen, die am Aufbau, an der Architektur und an dem Betrieb eines Data-Warehouse-Systems von Bedeutung sind. Es werden die multidimensionale Datenmodellierung mit deren Dimensionen und Fakten, der ETL-Prozess, OLAP, OLAM und deren jeweiligen Eigenschaften, Besonderheiten und Fähigkeiten erörtert. Zusätzlich werden die Optimierungsmaßnahmen zur Erhöhung der functionality des Data-Warehouse-Systems diskutiert.

Show description

Read or Download Data-Warehouse-Systeme kompakt: Aufbau, Architektur, Grundfunktionen PDF

Best german_2 books

Spielsucht: Ursachen, Therapie und Prävention von glücksspielbezogenem Suchtverhalten, 3. Auflage

Die „typische“ Klientel der Spiels? chtigen hat sich in den letzten Jahren gewandelt: Bei Frauen ist eine wachsende Erkrankungsrate zu verzeichnen, bei bestimmten Migranten-Gruppen besteht ein erh? htes Risiko. In diesem einzigen deutschsprachigen Therapiefachbuch zum Thema informieren die Autoren umfassend ?

Extra info for Data-Warehouse-Systeme kompakt: Aufbau, Architektur, Grundfunktionen

Example text

Lehner (2003, S. 85–86). Lehner (2003, S. 85–86). 1 ROLAP Abb. 2 Dimension- und Faktentabellen in einem Star-Schema Beispiel: Abb. 3 Multidimensionales Star-Schema des Kaufauftrags 29 30 4 Grundlagen von OLAP Die Relationen bzw. die relationale Darstellung einer Dimensionshierarchie sind bei einem Star-Schema in denormalisierter Form (eine Tabelle pro Dimension) vorhanden, d. , die Relationen sind wegen der bestehenden transitiven Abhängigkeiten zwischen Attributen einer oder mehrerer Dimensionstabellen nur bis zur zweiten Normalform normalisiert.

Xn ) eines multidimensionalen Würfels W mit W = (D1 , D2 , . . , Dn ), (M1 : Typ1 , M2 : Typ2 , . . , Mm : Typm ) wird wie folgt ermittelt12 : Index(z) = x1 +(x2 −1)·|D1 | + (x3 −1)·|D1 |·|D2 | + · · · + (xn −1)·|D1 |·|D2 |·. ·|Dn−1| n =1+ i=1 12 Vgl. i−1 (xi − 1) · |Di | j=1 Scholl und Mansmann (2008, S. 25 in Teil 8). 2 MOLAP und multidimensionale Datenbanken 35 Abb. 7 Index der Koordinaten Beispiel (Abb. 7): Sind die Dimension Zeit (D1 ) eine geordnete Liste von Werten (1. Quartal, 2. Quartal, 3.

Nigel Pendse und Richard F. Creeth, Autoren des OLAP-Reports,6 haben eine leichter verständliche Definition der Eigenschaften eines OLAP-Tools geliefert, die lediglich aus fünf Schlüsselwörtern besteht: Fast Analysis of Shared Multidimensional Information – kurz FASMI. Fast bedeutet hier, dass die weitaus meisten Anfragen innerhalb von fünf Sekunden beantwortet sein müssen. Analysis meint, dass das System mit jeder Art von Geschäftslogik und statistischer Analyse umgehen kann. Die Minimalanforderung ist, dass der Benutzer in die Lage versetzt wird, ohne zusätzliche Programmierung neue Ad-hoc-Kalkulationen durchführen zu können.

Download PDF sample

Rated 4.04 of 5 – based on 4 votes