Data Warehousing

1. Data Warehousing Abgrenzung, Einordnung und Anwendungen Sebastian Hentschel

3. Agenda • Begriffe • Historie • Anwendungsbereiche • Aufbau eines DW-Systems • OLAP vs. OLTP • Fazit

4. Agenda • Begriffe • Historie • Anwendungsbereiche • Aufbau eines DW-Systems • OLAP vs. OLTP • Fazit

5. Begriffe • Definition nach Inmon (1996): „A data warehouse is a subject oriented, integrated, non-volatile, and time variant collection of data in support of management‘s decisions.“ William H. Inmon

6. Begriffe • Definition nach Bauer/Günzel: „Ein Data-Warehouse ist eine physische Datenbank, die eine integrierte Sicht auf (beliebige) Daten darstellt, um Analysen zu ermöglichen.“

7. Begriffe • Definition nach Zeh: „Ein Data-Warehouse ist ein physischer Datenbestand, der eine integrierte Sicht auf zugrundeliegende Datenquellen ermöglicht.“

8. Begriffe Data Warehouse • Physische Datenbank • Integrierte Sicht auf Daten • Häufig historisierte Daten • Periodische Updates, aber keine Veränderungen • Ausgangspunkt für OLAP und Data Mining

9. Begriffe • Unterschiede zu klassischen DBMS: • Zusätzlich Datenverdichtung, Partitionierung, Redundanz • Anwendungssicht, Datensicht, Entwicklungssicht  siehe OLTP/OLAP

10. Begriffe Data Warehouse Systeme • Informationssystem • Komponenten zur Integration und Analyse • Statischer Charakter

11. Begriffe Data Warehousing • Prosess zur Planung, zum Aufbau und zum Betrieb eines DW-Systems • Dynamischer Vorgang von der Datenbeschaffung über das Speichern bis zur Analyse der Daten

12. Begriffe Data Mart • „kleines“ Data Warehouse • auf bestimmte Geschäftsprozesse oder Problemstellungen bezogen • dezentral • Einführung kostengünstiger und schneller als DW

13. Agenda • Begriffe • Historie • Anwendungsbereiche • Aufbau eines DW-Systems • OLAP vs. OLTP • Fazit

14. Historie • Triebfedern • Betriebswirtschaftliches Berichtswesen • Statistik • Integration

15. Historie • 1960er: Executive Information Systems (EIS) • 1980er: Management Information Systems (MIS) • 1988: EBIS-Architektur von IBM • 1992: Einführung DW-Konzept (Inmon) • 1993: OLAP (Codd) • Heute: Business-Warehouse-Systeme bzw. Business-Intelligence-Systeme

16. Historie • Fehlende Voraussetzungen der Anfangszeit • Schnelle und flächendeckende Kommunikationstechnologie • Grafische Benutzeroberflächen • Ausreichende, kostengünstige und schnelle Datenspeicher • Kostengünstige und leistungsfähige Prozessoren • Große Datenbasen durch integrierte operative Systeme  Scheitern der MIS-Ansätze der 60er, 70er, 80er

17. Agenda • Begriffe • Historie • Anwendungsbereiche • Aufbau eines DW-Systems • OLAP vs. OLTP • Fazit

18. Anwendungsbereiche • Betriebswirtschaft • Informationsbereitstellung zur erfolgreichen Abwicklung von Geschäftsprozessen (Kennzahlen) • Analyse zur Untersuchung von Abweichungen und Auffälligkeiten • Planung • Kampagnenmanagement

19. Anwendungsbereiche • Wissenschaft (statistical and scientific databases) • Bsp. Project Earth Observing System • Technik • Umweltdaten, geografische Daten • Bsp. Wasseranalysen

20. Agenda • Begriffe • Historie • Anwendungsbereiche • Aufbau eines DW-Systems • OLAP vs. OLTP • Fazit

21. Aufbau eines DW-Systems Quelle: Uni Kaiserslautern

22. Aufbau • Datenquellen • Metadaten • OLAP-Server • Data Mining

23. Agenda • Begriffe • Historie • Anwendungsbereiche • Aufbau eines DW-Systems • OLAP vs. OLTP • Fazit

24. OLAP vs. OLTP • OLTP: Online Transactional Processing • Operative Systeme (viele kurze Transaktionen im Mittelpunkt) • Keine Redundanz, Normalisierung (reine Lehre) • Aktueller Datenbankzustand • Bsp.: Flugbuchung • Ziel: viele TA pro sek, TA-Sicherheit bei parallelen Anfragen, Minimierung der Antwortzeit

25. OLAP vs. OLTP • OLAP: Online Analytical Processing • Informative Systeme • Große Anfragen • Redundanz notwendig • Historisierung • Tages-/Wochenaktualität ausreichend • Voraggregation • Bsp.: Getränkemarkt (Quelle: Sattler/Saake) • Ziel: Antwortzeit von wenigen sek

26. Umsatz, Portfolio Werbung OLAP vs. OLTP • Beispiel Quelle: Sattler/Saake

27. OLAP vs. OLTP • Anfragen • Wie viele Flaschen Cola wurden letzten Monat verkauft? • Wie hat sich der Verkauf von Rotwein im letzten Jahr in den Regionen entwickelt? • Wer sind unsere Top-Kunden? • Von welchem Lieferanten beziehen wir die meisten Kisten?

28. OLAP vs. OLTP • Anforderungen • Ständig neue Anfragen (Gliederungsebenen, Fokus, …) • Schnelle Berichterstellung • Gleiche Antwortzeit für Standard- und Ad-hoc-Anfragen • Keine Einbindung von IT-Abteilungen bei neuer Anfragestruktur

29. OLAP vs. OLTP

30. OLAP vs. OLTP • Bsp. Anfragen

31. OLAP vs. OLTP • Codd`sche Regeln 1. Multidimensionale konzeptionelle Sicht 2. Transparenz 3. Zugriffsmöglichkeiten 4. Konstante Antwortzeiten 5. Client/Server-Architektur 6. Generische Dimensionalität 7. Dynamische Behandlung dünn besetzter Matrizen Ted Codd

32. OLAP vs. OLTP • Codd`sche Regeln 8. Mehrbenutzerunterstützung 9. Kreuzdimensionale Operationen 10. Intuitive Datenbearbeitung 11. Flexible Berichterstellung 12. Unbegrenzte Anzahl von Dimensionen und Klassifikationshierarchien 1995 Erweiterung um 6 weitere Regeln

33. OLAP vs. OLTP • FASMI (fast analysis of shared multidimensional information) • Geschwindigkeit • Analysemöglichkeit • Sicherheit • Multidimensionalität • Kapazität

34. Agenda • Begriffe • Historie • Anwendungsbereiche • Aufbau eines DW-Systems • OLAP vs. OLTP • Fazit

35. Fazit „Wir ertrinken in Informationen und dürsten nach Einsicht.“ John Naisbitt

36. Fazit • DW kann helfen • Aber Einführung allein genügt nicht • Sorgfältige Planung, Kostenanalyse und Nutzenabschätzung unumgänglich • Sonst Gefahr des Scheiterns • Dennoch immenses Marktwachstum

37. Fazit Quelle: http://www. Olapreport.com

38. Vielen Dank für die Aufmerksamkeit…