Modellierung von Business-Intelligence-Systemen
Leitfaden für erfolgreiche Projekte auf Basis flexibler Data-Warehouse-Architekturen
Published on 10. July 2014
276 pages
978-3-86491-523-9 (ISBN)
Available for download
Description
Die Modellierung von Business-Intelligence-Systemen (BI) umfasst eine Vielzahl unterschiedlicher Facetten, die im Kontext von Operational BI, agile Warehousing, Real-Time und Self-Service BI zu bewerten sind.
Dieses Buch beschreibt die Architektur und Gestaltung von unternehmensweiten analyseorientierten Informationssystemen insbesondere unter dem Aspekt zunehmend agiler Geschäftsanforderungen und deren Unterstützung durch BI-Methoden. Neben der Darstellung von Best Practices der Historisierung und der Data-Mart-Modellierung ist der Aufbau eines Enterprise Data Warehouse von zentraler Bedeutung. Behandelt werden im Einzelnen:
- Business-Intelligence-Architektur
- Mehrdimensionale Datenstrukturen
- Semantische mehrdimensionale Modellierung
- Bestandteile und Varianten des Star-Schemas
- Historisierung und Zeitabhängigkeit im Data Warehouse
- Faktenmodellierung
- Dimensionsmodellierung
- Core-Data-Warehouse-Modellierung
Dieses Buch ist ein Muss für alle mit der Gestaltung und Nutzung von BI-Systemen betrauten Architekten, Analysten, Entwickler und Projektleiter.
More details
Other editions
Additional editions
Michael Hahne
Modellierung von Business-Intelligence-Systemen
Leitfaden für erfolgreiche Projekte auf Basis flexibler Data-Warehouse-Architekturen
Book
06/2014
1st Edition
dpunkt
€69.90
Available immediately
Person
Dr. Michael Hahne ist Geschäftsführender Gesellschafter der Hahne Consulting GmbH, einem auf Business-Intelligence-Architektur und -Strategie spezialisierten Beratungsunternehmen. Zuvor war er Vice President und Business Development Manager bei SAND Technology, einem internationalen Anbieter von intelligenter Software für das Informationsmanagement spezialisiert auf Lösungen für unternehmensweite und große Data Warehouses. Darüber hinaus hat er sieben Jahre als Geschäftsbereichsleiter und CTO bei der cundus AG, einem auf Business Intelligence fokussierten IT-Dienstleistungsunternehmen, gearbeitet. Er hat mehr als 10 Jahre Erfahrung in der Implementierung und Optimierung von Data-Warehouse-Lösungen.
Content
- Cover
- Titel
- Impressum
- Geleitwort
- Vorwort
- Zum Aufbau des Buches
- Für wen ist das Buch
- Danksagung
- Inhaltsverzeichnis
- 1 Business-Intelligence-Architektur
- 1.1 Data Warehouse
- 1.2 OLAP und mehrdimensionale Datenbanken
- 1.3 Architekturvarianten
- 1.3.1 Stove-Pipe-Ansatz
- 1.3.2 Data Marts mit abgestimmten Datenmodellen
- 1.3.3 Core Data Warehouse
- 1.3.4 Hub-and-Spoke-Architektur
- 1.3.5 Data-Mart-Busarchitektur nach Kimball
- 1.3.6 Corporate Information Factory nach Inmon
- 1.3.7 Architekturvergleich Kimball und Inmon
- 1.4 Schichtenmodell der BI-Architektur
- 1.4.1 Acquisition Layer
- 1.4.2 Integration Layer
- 1.4.3 Reporting Layer
- 1.4.4 Modellierung im Schichtenmodell
- 2 Mehrdimensionale Datenstrukturen
- 2.1 Datenmodelle und Datenmodellierung
- 2.2 Grundbestandteile mehrdimensionaler Datenstrukturen
- 2.3 Hierarchische Dimensionsstrukturen
- 2.3.1 Strukturlose Dimensionen
- 2.3.2 Balancierte Baumstrukturen
- 2.3.3 Balancierte Waldstrukturen
- 2.3.4 Unbalancierte Baum- und Waldstrukturen
- 2.3.5 Parallele Hierarchien
- 2.3.6 Heterarchien (Many-Many-Beziehungen)
- 2.3.7 Rekursive Hierarchien und bebuchbare Knoten
- 2.3.8 Hierarchieattribute
- 2.4 Kennzahlen und deren Berechnung
- 2.4.1 Kennzahlen und Kennzahlensysteme
- 2.4.2 Kennzahlen im mehrdimensionalen Modell
- 2.4.3 Additivitätseigenschaft
- 2.5 Historisierung und Zeitabhängigkeit
- 3 Semantische mehrdimensionale Modellierung
- 3.1 Methoden auf Basis der Entity-Relationship-Modellierung
- 3.1.1 Grundbestandteile der ER-Modellierung
- 3.1.2 Erweiterte ERM-Konstrukte
- 3.1.3 ER-basierte mehrdimensionale Modellierung
- 3.1.4 Mehrdimensionales ER-Modell (ME/R)
- 3.2 Mehrdimensionale Modellierung mit ADAPT
- 3.2.1 Dimensionsmodellierung in ADAPT
- 3.2.2 Varianten der Hierarchiemodellierung
- 3.2.3 Modellierung von Würfeln
- 3.3 T-ADAPT: Modellierung von Zeitabhängigkeit
- 4 Bestandteile und Varianten des Star-Schemas
- 4.1 Einfaches Star-Schema
- 4.1.1 Grundform des Star-Schemas
- 4.1.2 Abbildung von Kennzahlen und Kennzahlensystemen
- 4.1.3 Attribute in Dimensionen
- 4.2 Modellierung von Dimensionshierarchien
- 4.2.1 Flache Strukturen
- 4.2.2 Balancierte Baum- und Waldstrukturen
- 4.2.3 Unbalancierte Strukturen
- 4.2.4 Parallele Hierarchien
- 4.2.5 Anteilige Verrechnung und Heterarchien
- 4.3 Normalisierung von Dimensionen
- 4.4 Übergang von T-ADAPT zum logischen Modell
- 4.4.1 Transformation von Dimensionen
- 4.4.2 Abbildung von Attributen
- 4.4.3 Transformation von Scopes
- 4.4.4 Behandlung spezieller ADAPT-Varianten
- 4.5 Modellierung von Parent-Child-Hierarchien
- 4.5.1 Iterative Abfrage
- 4.5.2 Einstufige Rekursion
- 4.5.3 Mehrstufige Rekursion
- 4.5.4 Rekursives SQL
- 4.5.5 Brückentabellen
- 5 Historisierung und Zeitabhängigkeit im Data Warehouse
- 5.1 Historisierung im Star-Schema
- 5.1.1 Keine Historisierung bei Type 0 und Type 1
- 5.1.2 Type-3-Attribut-Paare
- 5.1.3 Versionen und Zeitstempelung für as is und as of
- 5.2 Bewegungsdatensicht in der Historisierung
- 5.2.1 As-posted-Type-2-Szenario
- 5.2.2 Snapshot-Verfahren
- 5.2.3 Vollständige Zeitstempelung plus as posted
- 5.2.4 Varianten für hybride Historisierung
- 5.3 Best Practices der Historisierung
- 5.4 Bitemporale Historisierung
- 6 Dimensionsmodellierung
- 6.1 Dimensionstabellen
- 6.1.1 Degenerierte Dimensionen
- 6.1.2 Housekeeping und technische Dimensionen
- 6.1.3 Große Dimensionen
- 6.1.4 Mehrsprachigkeit
- 6.1.5 Outrigger-Tabellen
- 6.2 Rollen von Dimensionen
- 6.3 Many-Many-Beziehungen
- 6.3.1 Heterarchien über Faktentabellen
- 6.3.2 Mehrwertige Dimensionen (multi valued dimensions)
- 6.3.3 Many-Many-Beziehungen über Dimensionen
- 6.3.4 Mehrwertige Attribute
- 6.4 Datum- und Zeitdimension
- 7 Faktenmodellierung
- 7.1 Kennzahlen und Kennzahlensysteme
- 7.2 Aggregate
- 7.3 Snowflake-Schema
- 7.4 Faktenlose Faktentabellen
- 7.5 Granularität
- 7.6 Additivität und berechnete Kennzahlen
- 7.6.1 Transaktionsfaktentabellen
- 7.6.2 Bestandsmodelle
- 7.6.3 Prozessmodelle
- 7.7 Abgeleitete Schemata
- 8 Core-Data-Warehouse-Modellierung
- 8.1 Aufgaben der Data-Warehouse-Komponenten
- 8.1.1 Datenintegrations-Framework
- 8.1.2 Aufgaben und Komponenten in Multi-Layer-Architekturen
- 8.1.3 Eignungskriterien für Methoden der Core-Data-Warehouse-Modellierung
- 8.2 Star-Schema-Modellierung im Core Data Warehouse
- 8.2.1 Granulare Star-Schemata im Core Data Warehouse
- 8.2.2 Bewertung dimensionaler Core-Data-Warehouse-Modelle
- 8.3 3NF-Modelle im Core Data Warehouse
- 8.3.1 Core-Data-Warehouse-Modellierung in 3NF
- 8.3.2 Historisierungsaspekte von 3NF-Modellen
- 8.3.3 Bewertung der 3NF-Modellierung im Core Data Warehouse
- 8.4 Data-Vault-Ansatz
- 8.4.1 Hub-Tabellen
- 8.4.2 Satellite-Tabellen
- 8.4.3 Link-Tabellen
- 8.4.4 Zeitstempel im Data Vault
- 8.4.5 Harmonisierung von fachlichen Schlüsseln
- 8.4.6 Agilität in Data-Vault-Modellen
- 8.4.7 Vorgehensweise zur Data-Vault-Gestaltung
- 8.4.8 Bewertung der Data-Vault-Methode
- Anhang
- A Abkürzungen
- B Literaturverzeichnis
- Index
- Fußnoten
- Vorwort
- Kapitel 1
- Kapitel 2
- Kapitel 3
- Kapitel 4
- Kapitel 7
- Kapitel 8
