Data Warehouse Technologien
|
|
- Horst Walter
- vor 2 Jahren
- Abrufe
Transkript
1 Veit Köppen Gunter Saake Kai-Uwe Sattler Data Warehouse Technologien
2 Sachindex B + -Baum, 185 R -Baum, 207 R a-baum, 207 R + -Baum, 206 abgeleitete Partitionierung, 154 abhängiger Data Mart, 35 Ableitbarkeit, 224, 230, 236 Ableiten, 29 Achse MDX, 130 Achsenspezifikation, 130 Aggregatfunktion, 231 Aggregation, 113 Aggregationsgitter, 224, 236 Aktualisierung inkrementelle, 239 synchrone, 238 vollständige, 239 Algebraterm, 219 Allokation, 153 Analyse, 5 Analysedatenbank, 28 Analysedatenmodell, 28 Anfrage äquivalente, 228 Anfrageersetzung, 229 Anfrageplan, 219 Anfrageumformulierung, 229 Append-Mode-Tabelle, 140 Apriori-Algorithmus, 268 Arbeitsbereich, 24 Architektur, 9 Array-Speicherung, 145 Auswahl kostenbasierte, 218 B-Baum, 184 degenerierter, 186 ordnungsabhängigkeit, 187 Balanced Scorecard, 261 Basisdatenbank, 21, 27 BAT-Algebra, 173 Batchläufe, 83 BDB, 27 Befüllen, 21 berechneter Index, 189 bereichsgeclusterte Tabelle, 140 bereichskodierter Bitmap-Index, 194 Bereichspartitionierung, 153 Bereinigung, 26 Bestandsgrößen, 83 Bit Interleaving, 202, 208 Bit-Array, 189 Bitmap-Index, 189 bereichskodierter, 194 intervallkodierter, 196 Mehrkomponenten-, 193 Standard-, 192 Bitmap-Verbundindex, Sachindex
3 Blocking, 73 bulk loader, 28 Bulk-Loader, 89, 97 Business Intelligence, 9, 10, 250 Cache Lines, 173 Cache-Lokalität, 173 Checkpoints, 97 Clustering, 182 Codd, 16 Codeerzeugung, 218 column-oriented DBMS, 162 confidence, 267 Cube-Operator, 151 Data Auditing, 26 Data Cleaning, 14, 68 data cube, 28 Data Mart, 9, 14, 28, 34 abhängiger, 35 unabhängiger, 36 Data Profiling, 68 Data Scrubbing, 26 Data Warehouse, 1, 29 föderiertes, 37 virtuelles, 36 Data Warehousing, 9 Data-Warehouse-Manager, 30 Data-Warehouse-System, 13 Datenbereinigung, 66 Datenbereinigungsbereich, 21, 24 Datenfehler, 66 Datenintegration, 18, 26, 90 Datenkonflikt, 79 Datenorganisation spaltenorientierte, 174 Datenqualität, 23, 66 Datentransformationen, 92 Datenwurfel, 129 Datenwürfel, 28 föderierter, 37 Partitionierung, 157 virtueller, 36 dauerhaft, 8 DB2, 140, 245 DBB, 24 Decomposed Storage Model, 162, 167 degenerierter B-Baum, 186 Dekompression, 175 Delta-Relation, 177 DeweyID, 212 Dictionary Encoding, 175 Differential-Snapshot-Problem, 84 Dimension, 9, 129 Mini-, 156 Dimensionalitat generische, 17 Dimensionalität, 182 Dimensionstabelle, 117 DIRECTPATH, 97 DMX, 285 Drill-down, 117 DSM, 167 dunnbesetzte Strukturen, 17 Duplikaterkennung, 72 Durchschnitt gleitender, 128 DW-System, 13 Dwarf, 150 dynamisches Hashen, 202 dünn besetzte Indexe, 141 Edit-Distanz, 75 einheitsabhängige Daten, 83 ELT, 101 ELT-Prozess, 101 Entscheidungsbaum, 279, 282 Entscheidungsunterstützung, 8 Erweiterbarkeit, 15 ETL, 5, 21, 65, 80 ETL light, 101 Euklidische Distanz, 75 exegetisches Modell, 18 Extraktion, 25 Extraktions-, Transformations- und Ladeprozess, 10 Extraktionstechniken, 83 Sachindex 297
4 Fact-Constellation-Schema, 57 Faktentabelle, 112 FASMI, 19 Fenster, 122 dynamische, 127 Fensteranfrage, 183 Flussgrößen, 82 formelbasiertes Modell, 18 Fragment, 153 Frequent Pattern Tree, 271 Frequent-Pattern-Growth-Algorithmus, 271 Full-Table-Scan, 181, 183 föderierte Datenbanken, 8 föderierter Datenwürfel, 37 föderiertes Data Warehouse, 37 Galaxie-Schema, 57 gemischte Partitionierung, 154 Genauigkeit, 24 generische Dimensionalitat, 17 Gini-Index, 282 Gitter, 200 Glaubwürdigkeit, 24 Granularität, 24 Grid, 201 Grid-Directory, 201 Grid-File, 200 Grid-Region, 201 Grid-Zelle, 201 Gruppierung, 113, 223 Gruppierungskombination, 118, 230 Hash-Funktionen, 87 Hash-Partitionierung, 153 Hashen dynamisches, 202 lineares, 202 mehrdimensionales, 202 Hauptspeicherdatenbank, 171 Heterogenität, 89 HOLAP, 149 Homogenisierung, 25 horizontale Partitionierung, 153 hub and spoke, 35 hybride Speicherung, 149 hybrides OLAP, 149 In-Memory-Datenbank, 8, 101 Index, 10, 181 berechneter, 189 Bitmap-, 189 dünn besetzt, 141 mehrdimensionaler, 200 Oversized, 188 Verbund-, 198 Indexierung intervallkodierte, 196 Informationsgewinn, 282 inkrementelle Vorberechnung, 144 Integration, 5, 26 integriert, 8 Integritätsbeziehung, 79 intervallkodierte Indexierung, 196 intervallkodierter Bitmap-Index, 196 Jaro-Distanz, 78 Jaro-Winkler-Distanz, 78 k-means, 277 Kachel, 157 Kachelung, 157 kategorisches Modell, 18 KdB-Baum, 203 Kennzahl, 129 Kennzahlen, 9 Kern-Data-Warehouse, 37 Kompensationsanfrage, 230, 233 Konsistenz, 23 Konsistenzprüfung, 79 kontemplatives Modell, 18 Korrektheit, 23 L1 Cache, 173 Laden, 21, 27 Ladevorgang, 96 Lauflängenkodierung, 174 lineares Hashen, Sachindex
5 Linearisierung, 145 Log, 83 log-basierte Monitorstrategie, 32 main memory database, 171 Massenlader, 28, 89, 97 Masterrelation, 153 Materialisierung, 228 Materialisierungskonfiguration, 237 Materialized View, siehe Sicht, materialisierte MDC, 140 MDH, 202 MDX, 129, 264 Mehrbenutzerbetrieb, 17 mehrdimensionales Hashen, 202 Mehrdimensionales hierarchisches Clustering, 213 Mehrkomponenten-bereichskodierter Bitmap-Index, 195 Mehrkomponenten-Bitmap-Index, 193 Mehrkomponentensurrogat, 213 memory wall, 172 Merge-Sort-Verfahren, 87 Metadaten, 33 Metadaten-Manager, 33 Methode des Differential Snapshot, 84 MHC, 213 Mini-Dimension, 156 Minkowski, 75 MKBKBMI, 195 Modell exegetisches, 18 formelbasiertes, 18 kategorisches, 18 kontemplatives, 18 MOLAP, 142 MonetDB, 173 Monitor, 31 Monitorstrategie, 31 log-basiert, 32 replikations-basiert, 31 snapshot-basiert, 32 trigger-basiert, 31 zeitstempel-basiert, 32 Multi-Attribut-Index, 187 Multi-Core-Architekturen, 173 Multi-Pass-Technik, 74 Multi-Table-Insert, 100 multidimensional clustering tables, 140 Multidimensional Expressions, 264 Multidimensionale Sicht, 16 multidimensionale Speicherung, 142 multidimensionales Datenmodell, 9 multidimensionalgeclusterte 140 Nabe-und-Speiche-Architektur, 35 Tabelle, Objektidentifikation, 79 ODS, 27 OLAP-Funktion, 122, 128 sequenzorientierte, 126 OLAP-Server, 129 OLAP-Zugriffe, 16 OLTP-Systeme, 90 Online Analytical Processing, 5, 16 Online Transactional Processing, 4 Operational Data Store, 27 Operatorbaum, 219 Optimierung, 218 algebraische, 218 logische, 218 physische, 218 Oracle, 243 Bitmap-Verbundindex, 199 Partitionierung, 155 Ordnung attributlokale, 125 Ordnungsabhängigkeit in B-Baum, 187 Oversized Index, 188 Partition, 153 Partitionierung, 153 Bereich-, 153 Sachindex 299
6 fensterbasierte, 122 gemischte, 154 Hash-, 153 horizontale, 153 Oracle, 155 Range-, 153 vertikale, 154 von Datenwürfeln, 157 Partitioning around Medoids, 277 PAX-Modell, 169 Performanz, 17 PipeSort, 225 Planparametrisierung, 218 positionaler Join, 165 Prefetching, 182 Primärindexe, 182 Prinzip der zwei Plattenzugriffe, 201 Purging, 79 q-gramm, 76 Quelle, 21 Query Containment, siehe Anfrageersetzung query execution plan, 219 Query Graph Model, 232 Query Rewriting, siehe Anfrageumformulierung R-Baum, 204 range-clustered tables, 140 Range-Partitionierung, 153 Ranking, 126 RCT, 140 Reconciliation, 79 record linkage, 26 Region, 200 relation merging, 26 relationale Speicherung, 140 Relevanz, 24 Replikation, 83 replikations-basierte Monitorstrategie, 31 Repository, 33 RLE, 174 ROLAP, 140 Roll-up, 117 row-oriented storage, 162 RQ-Algorithmus, 209 Run Length Encoding, siehe Lauflängenkodierung Schema Fact-Constellation, 57 Galaxie, 57 Snowflake, 53 Star, 55 Schemaintegration, 90 Seiten-Clustering, 182 Sekundärindexe, 182 Sequenzbildung, 127 Sequenznummer, 141 Sicht materialisierte, 228 Aktualisierung, 238 Sichtexpansion, 218 Skala, 201 Skalierbarkeit, 17 Slicer, 130 snapshot-basierte Monitorstrategie, 32 Snapshots, 83 Snowflake-Schema, 53 Sortierte Nachbarschaft, 73 Soundex, 77 spaltenorientierte DBMS, 162, 178 Speicherung, 10 Array-, 145 hybride, 149 SQL Server, 246 SQL-Loader, 98 SQL-Loader von Oracle, 27, 97 SQL/OLAP, 112 SQL:2003, 112, 122 staging area, 24 Standard-Bitmap-Index, 192 Star Join, 112 Star-Query-Transformation, Sachindex
7 Star-Schema, 55 Summary Table, siehe Sicht, materialisierte support, 267 Surrogat, 213 Symmetrie, 182 Tabelle multidimensionalgeclusterte, 140 bereichsgeclusterte, 140 themenorientiert, 8 TID, 182 Transfomationskomponente, 25 Transformation, 21, 68 Transformationsphase, 89 Transparenz, 16 Trigger, 83 trigger-basierte Monitorstrategie, 31 Tupel-Clustering, 182 Tupelidentifikator, 182 Tupelrekonstruktion, 164 Tupelverweise, 182 UB-Baum, 207 Ubersetzung, 218 unabhängiger Data Mart, 36 Verbundindex, 198 Bitmap, 199 Vergleichsfunktionen, 74 Verständlichkeit, 24 Verteilte Datenbanken, 8 verteilte Datenbanken, 4 vertikale Partitionierung, 154 Verwendbarkeit, 24 virtueller Datenwürfel, 36 virtuelles Data Warehouse, 36 Vorberechnung, 144 Workload, 236 Z-Kurve, 208 Z-Region, 208 Z-Wert, 208 zeilenorientierte Speicherung, 162 zeitbezogen, 8 Zeitstempel, 32 zeitstempel-basierte Monitorstrategie, 32 Zelle, 200 zentrale Datenbank, 4 Zugriffsplan, siehe Anfrageplan Zugriffsstruktur, 181 Zuverlässigkeit, 24 Zwei-Ebenen-Speicherung, 161 Sachindex 301
Sachindex. Array-Speicherung, 159 Attribut dimensionales, 48 Auswahl kostenbasierte, 232
Sachindex abgeleitete Partitionierung, 168 abhängiger Data Mart, 37 Ableitbarkeit, 238, 244, 250 Ableiten, 31 Achse MDX, 146 Achsenspezifikation, 146 Ad-hoc-Reporting, 274 ADAPT, 54 Aggregatfunktion, 245
Data Warehouse Technologien
Veit Köppen Gunter Saake Kai-Uwe Sattler Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis vii 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...............
Veit Köppen Gunter Saake Kai-Uwe Sattler. 2. Auflage. Data Warehouse Technologien
Veit Köppen Gunter Saake Kai-Uwe Sattler 2. Auflage Data Warehouse Technologien Inhaltsverzeichnis Inhaltsverzeichnis ix 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt...
Data Warehouse Technologien
mitp Professional Data Warehouse Technologien von Veit Köppen, Gunter Saake, Kai-Uwe Sattler 2. Auflage 2014 Data Warehouse Technologien Köppen / Saake / Sattler schnell und portofrei erhältlich bei beck-shop.de
Data Warehouse Grundlagen
Seminarunterlage Version: 2.10 Version 2.10 vom 24. Juli 2015 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen
Teil II Data-Warehouse-Architektur
Teil II Data-Warehouse-Architektur Data-Warehouse-Architektur 1 Anforderungen 2 Referenzarchitektur 3 Phasen des Data Warehousing 4 c Sattler / Saake / Köppen Data-Warehouse-Technologien Letzte Änderung:
Einführung relationale Datenbanken. Themenblock: Erstellung eines Cube. Schlüssel. Relationenmodell Relationenname Attribut. Problem.
Themenblock: Erstellung eines Cube Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Praktikum: Data Warehousing und Data Mining Idee Speicherung der Daten in Form von Tabellen
Themenblock: Erstellung eines Cube
Themenblock: Erstellung eines Cube Praktikum: Data Warehousing und Data Mining Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Idee Speicherung der Daten in Form von Tabellen
Datenbanktechnologie für Data-Warehouse-Systeme
Wolfgang Lehner Datenbanktechnologie für Data-Warehouse-Systeme Konzepte und Methoden dpunkt.verlag 1 1.1 1.2 1.3 1.4 1. 5 2 2.1 2.2 2.3 Einleitung 1 Betriebswirtschaftlicher Ursprung des Data Warehousing...
MIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001
MIS Glossar by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001 Aggregat Data Cube Data Marts Data Mining Data Warehouse (DWH) Daten Decision Support Systeme (DSS)
Repetitorium. Data Warehousing und Data Mining 11/12. Sebastian Wandelt 13./16. Februar 2012
Repetitorium Data Warehousing und Data Mining 11/12 Sebastian Wandelt 13./16. Februar 2012 Inhalt Data Warehousing und Data Mining auf 40 Slides Weder in-, noch exklusiv! Subjektive Zusammenfassung pro
Anforderungen des Data Warehousing. 2. Data-Warehouse-Architektur. Anforderungen des Data Warehousing. Referenzarchitektur. Data-Warehouse-Manager
2. Data-Warehouse-Architektur Anforderungen Referenzarchitektur Phasen des Data Warehousing Komponenten Anforderungen des Data Warehousing Unabhängigkeit zwischen Datenquellen und Analysesystemen (bzgl.
Teil VII Indexstrukturen für Data Warehouse
Teil VII Indexstrukturen für Data Warehouse Indexstrukturen für Data Warehouse 1 Klassifikation von Indexstrukturen c Sattler / Saake / Köppen Data-Warehouse-Technologien Letzte Änderung: 19.09.2012 7
Data-Warehouse-Technologien
Data-Warehouse-Technologien Prof. Dr.-Ing. Kai-Uwe Sattler 1 Prof. Dr. Gunter Saake 2 1 TU Ilmenau FG Datenbanken & Informationssysteme 2 Universität Magdeburg Institut für Technische und Betriebliche
Data-Warehouse-Architektur
Data-Warehouse-Architektur ƒ Anforderungen ƒ Referenzarchitektur ƒ Phasen des Data Warehousing ƒ Komponenten Vorlesung Data-Warehouse-Technologien 2-1 Anforderungen des Data Warehousing ƒ Unabhängigkeit
Data-Warehouse-Architektur
Data-Warehouse-Architektur Anforderungen Referenzarchitektur Phasen des Data Warehousing Komponenten VL Data Warehouses, WS 2000/2001 2-1 Anforderungen des Data Warehousing Unabhängigkeit zwischen Datenquellen
Inhaltsverzeichnis. Teil I OLAP und der Microsoft SQL-Server 1. 1 Theoretische Grundlagen 3
vii Teil I OLAP und der Microsoft SQL-Server 1 1 Theoretische Grundlagen 3 1.1 Was ist OLAP?......................................... 3 1.1.1 Business Intelligence............................... 4 1.1.2
Frühjahrsemester 2011. Data Warehousing Kapitel 5: Data Warehousing. H. Schuldt. 5.1 Einführung. Filiale Allschwil
Frühjahrsemester Data Warehousing Kapitel 5: Data Warehousing H. Schuldt Wiederholung aus Kapitel 5. Einführung Tresgros Tresgros Tresgros Filiale Muttenz Filiale Allschwil Filiale Liestal Anfragen: Welches
Multidimensionales Datenmodell, Cognos
Data Warehousing (II): Multidimensionales Datenmodell, Cognos Praktikum: Data Warehousing und Mining Praktikum Data Warehousing und Mining, Sommersemester 2010 Vereinfachte Sicht auf die Referenzarchitektur
OLAP und Data Warehouses
OLP und Data Warehouses Überblick Monitoring & dministration Externe Quellen Operative Datenbanken Extraktion Transformation Laden Metadaten- Repository Data Warehouse OLP-Server nalyse Query/Reporting
Frühjahrsemester 2010. Data Warehousing Kapitel 5: Data Warehousing. H. Schuldt. 5.1 Einführung. Filiale Allschwil
Frühjahrsemester Data Warehousing Kapitel 5: Data Warehousing H. Schuldt Wiederholung aus Kapitel 5. Einführung Tresgros Tresgros Tresgros Filiale Muttenz Filiale Allschwil Filiale Liestal Anfragen: Welches
Aufgabe 1: [Logische Modellierung]
Aufgabe 1: [Logische Modellierung] a) Entwerfen Sie für das von Ihnen entworfene Modell aus Aufgabe 2 des 1. Übungsblattes ein Star-Schema. b) Entwerfen Sie für das vorangegangene Modell einen Teil eines
OLAP mit dem SQL-Server
Hartmut Messerschmidt Kai Schweinsberg OLAP mit dem SQL-Server Eine Einführung in Theorie und Praxis IIIBibliothek V dpunkt.verlag Teil OLAP undder Microsoft SQL-Server 1 1 Theoretische Grundlagen 3 1.1
Einführung in OLAP und Business Analysis. Gunther Popp dc soft GmbH
Einführung in OLAP und Business Analysis Gunther Popp dc soft GmbH Überblick Wozu Business Analysis mit OLAP? OLAP Grundlagen Endlich... Technischer Background Microsoft SQL 7 & OLAP Services Folie 2 -
Architektur eines Data Warehouse Systems. Mario Jandeck
Architektur eines Data Warehouse Systems Mario Jandeck Agenda Folie 2 von 24 1. Die Referenzarchitektur 2. Komponenten des Data Warehouse Systems 3. Datenbeschaffung und Qualität 4. Analyse im Data Warehouse
Index- und Zugriffsstrukturen für. Holger Brämer, 05IND-P
Index- und Zugriffsstrukturen für Data Warehousing Holger Brämer, 05IND-P Index- und Zugriffstrukturen für Data Warehousing Materialisierte Sichten Bitmap-Indexe Verbundindexe Materialisierte Sichten gehören
Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing
Seminar in der Seminarreihe Business Intelligence 1 OLAP und Datawarehousing OLAP & Warehousing Die wichtigsten Produkte Die Gliederung Produkt Bewertung & Vergleiche Die Marktentwicklung Der aktuelle
Data Warehousing. Sommersemester 2005. Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Sommersemester 2005 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte
OLAP und Aggregierung
Stärkung der SelbstOrganisationsfähigkeit im Verkehr durch I+K-gestützte Dienste Seminar Data Warehousing im Verkehrsbereich Sommersemester 2003 OLAP und Aggregierung von Jan Sandberger Betreuer: Heiko
Performance-Optimierung in SAP BW. Helmut Tack
Performance-Optimierung in SAP BW Helmut Tack INHALTSVERZEICHNIS Inhaltsverzeichnis Einleitung 9 1 Grundlegende Betrachtungen 13 2 Grundlagen der SAP BW-Datenhaltung 17 2.1 Flache Datenspeicher 21 2.2
Data Warehousing Grundbegriffe und Problemstellung
Data Warehousing Grundbegriffe und Problemstellung Dr. Andrea Kennel, Trivadis AG, Glattbrugg, Schweiz Andrea.Kennel@trivadis.com Schlüsselworte Data Warehouse, Cube, Data Mart, Bitmap Index, Star Queries,
Inhalt. 4.1 Motivation. 4.2 Datenintegration. 4.3 Konzeptuelle Modellierung. 4.4 Anfragen an Data Warehouses. 4.5 Implementierungsaspekte
4. Data Warehouses Inhalt 4.1 Motivation 4.2 Datenintegration 4.3 Konzeptuelle Modellierung 4.4 Anfragen an Data Warehouses 4.5 Implementierungsaspekte 2 Literatur V. Köppen, G. Saake und K.-U. Sattler:
Einführung in Hauptspeicherdatenbanken
Einführung in Hauptspeicherdatenbanken Harald Zankl Probevorlesung 13. 01., 13:15 14:00, HS C Inhaltsverzeichnis Organisation Überblick Konklusion Harald Zankl (LFU) Hauptspeicherdatenbanken 2/16 Organisation
Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221
Oracle 10g und SQL Server 2005 ein Vergleich Thomas Wächtler 39221 Inhalt 1. Einführung 2. Architektur SQL Server 2005 1. SQLOS 2. Relational Engine 3. Protocol Layer 3. Services 1. Replication 2. Reporting
Mala Bachmann September 2000
Mala Bachmann September 2000 Wein-Shop (1) Umsatz pro Zeit und Produkt Umsatz Jan Feb Mrz Q1 Apr 2000 Merlot 33 55 56 144 18 760 Cabernet-S. 72 136 117 325 74 1338 Shiraz 85 128 99 312 92 1662 Rotweine
Datenbanken zur Entscheidungsunterstützung - Data Warehousing
Datenbanken zur Entscheidungsunterstützung - Data Warehousing Prof. Dr. T. Kudraß 1 Einführung Zunehmender Bedarf nach Analyse aktueller und historischer Daten Identifizierung interessanter Patterns Entscheidungsfindung
10. Vorlesung: Datenorganisation SS 2007
10. Vorlesung: Datenorganisation SS 2007 8 Parallele Transaktionen 9 9.1 Drei-Ebenen Ebenen-Architektur 9.2 Verteilte Datenbanken 9.3 Client-Server Server-Datenbanken 9.4 Föderierte Datenbanken 9.5 Das
Andreas Heuer Gunter Saake Kai-Uwe Sattler. Datenbanken. kompakt
Andreas Heuer Gunter Saake Kai-Uwe Sattler Datenbanken kompakt Inhaltsverzeichnis Vorwort v 1 Was sind Datenbanken 1 1.1 Warum Datenbanken 1 1.2 Datenbanksysteme 4 1.3 Anforderungen: Die Codd'schen Regeln
Einführungsveranstaltung: Data Warehouse
Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring
Merkblatt DWH. Mittwoch, 6. Januar 2016 13:55. Info Seite 1
Info Seite 1 Merkblatt DWH Mittwoch, 6. Januar 2016 13:55 Version: 1.0.0 Study: 3. Semester, Bachelor in Business and Computer Science School: Hochschule Luzern - Wirtschaft Author: Janik von Rotz (http://janikvonrotz.ch)
Das Multidimensionale Datenmodell
Das Multidimensionale Datenmodell Konzeptuelle Modellierung Umsetzung des Modells Beispiel ER-Modell 2 / 36 Probleme ER-Modellierung Keine Unterscheidung Klassifikation, Attribute, Kenngrößen Dimension
fi Data Warehouse: Sammlung von Technologien zur Unterstützung von Entscheidungsprozessen fi Herausforderung an Datenbanktechnologien
Einführung Gegenstand der Vorlesung fi Data Warehouse: Sammlung von Technologien zur Unterstützung von Entscheidungsprozessen fi Herausforderung an Datenbanktechnologien Datenvolumen (effiziente Speicherung
Data Warehouses. Alexander Fehr. 23. Dezember 2002
Data Warehouses Alexander Fehr 23. Dezember 2002 Inhaltsverzeichnis 1 Einführung 1 1.1 Motivation.............................. 1 1.2 Definitionen.............................. 1 1.3 Abgrenzung von operativen
BARC-Studie Data Warehousing und Datenintegration
Ergebnisse der BARC-Studie Data Warehouse Plattformen Dr. Carsten Bange BARC-Studie Data Warehousing und Datenintegration Data-Warehouse -Plattformen und Datenintegrationswerkzeuge im direkten Vergleich
Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH
Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH Dani Schnider Principal Consultant Business Intelligence BI Trilogie, Zürich/Basel 25./26. November 2009 Basel Baden Bern Lausanne Zürich
Seminar Data Warehousing. Seminar. Data Warehousing. Thema: Speichermodelle für Data-Warehouse-Strukturen
Seminar Data Warehousing Thema: Speichermodelle für Data-Warehouse-Strukturen Friedrich-Schiller-Universität Jena Fakultät für Mathematik und Informatik Institut für Informatik Lehrstuhl für Datenbanken
Modellierung von OLAP- und Data- Warehouse-Systemen
Andreas Totok Modellierung von OLAP- und Data- Warehouse-Systemen Mit einem Geleitwort von Prof. Dr. Burkhard Huch Deutscher Universitäts-Verlag Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis
Teil XI Spalten-orientierte DBMSs
Teil XI Spalten-orientierte DBMSs Spalten-orientierte Datenbankmanagementsysteme 1 Motivation 2 Funktionsweise 3 Erweiterungen 4 Literatur c Sattler / Saake / Köppen Data-Warehouse-Technologien Letzte
Komponenten und Architekturen von Analytischen Informationssystemen (AIS)
Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Melanie Pfoh Konsultation 27. Juni 2013 Hinweis Diese Folien ersetzen keinesfalls den Übungsstoff des zugehörigen e-learning-kurses.
Data-Warehouse-Systeme
Data-Warehouse-Systeme Architektur, Entwicklung, Anwendung von Andreas Bauer, Holger Günzel 3., überarb. u. aktualis. Aufl. Data-Warehouse-Systeme Bauer / Günzel schnell und portofrei erhältlich bei beck-shop.de
Data Warehousing und Data Mining
Data Warehousing und Data Mining Architektur und Komponenten von Data Warehouses Ulf Leser Wissensmanagement in der Bioinformatik Inhalt dieser Vorlesung Architektur Komponenten ETL Ulf Leser: Data Warehousing
Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware Falk Neubert, Universität Osnabrück
Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware 14. März 2013, IHK Osnabrück-Emsland-Grafschaft Bentheim Geschichte Kassenbuch des Liederkranz, 1886 Hutmachergesangvereins
Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht)
Performanceoptimierung mit Exadata Verarbeitung extremer Datenmengen mit PL/SQL basierter Datenbewirtschaftung (Erfahrungsbericht) Christian Haag, DATA MART Consulting Consulting Manager Oracle DWH Team
Data-Warehouse-Systeme
Vorlesung im Wintersemester 2008/09 Data-Warehouse-Systeme Dr. Stefanie Rinderle-Ma Institut für Datenbanken und Informationssysteme Universität Ulm stefanie.rinderle@uni-ulm.de Übersicht 1) Einführung
Realisierung von OLAP Operatoren in einem visuellen Analysetool. Vortrag von Alexander Spachmann und Thomas Lindemeier
Realisierung von OLAP Operatoren in einem visuellen Analysetool Vortrag von Alexander Spachmann und Thomas Lindemeier Gliederung Ausgangssituation/Motivation Was ist OLAP? Anwendungen Was sind Operatoren?
Objektorientierte Datenbanken
OODB 11 Slide 1 Objektorientierte Datenbanken Vorlesung 11 vom 01.07.2004 Dr. Sebastian Iwanowski FH Wedel OODB 11 Slide 2 Inhalt heute: Datenbanken in betriebswirtschaftlichen Anwendungen OTLP (SAP) Data
Data-Wa re house-systeme
P Andreas Bauer + Holger Günzel (Hrsg.) Data-Wa re house-systeme Architektur Entwicklung Anwendung 2., überarbeitete und aktualisierte Auflage dpun kt.verlag I n ha I t sve rzeic h n is Teil I 1 1.1 1.2
Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick. Volker.Hinz@microsoft.com
Die Microsoft-Komplettlösung für Datawarehousing, Big Data und Business Intelligence im Überblick Volker.Hinz@microsoft.com Was sagt der Markt? Fakten Meinung der Analysten zu Microsofts Angeboten Nutzen
IT-basierte Kennzahlenanalyse im Versicherungswesen
Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen Kennzahlenreporting mit Hilfe des SAP Business Information Warehouse Diplomica Verlag Angelina Jung IT-basierte Kennzahlenanalyse im Versicherungswesen:
Cluster-Bildung. VL Datenbanken II 4 107
Cluster-Bildung gemeinsame Speicherung von Datensätzen auf Seiten wichtige Spezialfälle: Ballung nach Schlüsselattributen. Bereichsanfragen und Gruppierungen unterstützen: Datensätze in der Sortierreihenfolge
Kapitel 2 Terminologie und Definition
Kapitel 2 Terminologie und Definition In zahlreichen Publikationen und Fachzeitschriften tauchen die Begriffe Data Warehouse, Data Warehousing, Data-Warehouse-System, Metadaten, Dimension, multidimensionale
Seminar im Sommersemester 2004 an der Universität Karlsruhe (TH)
Seminar im Sommersemester 2004 an der Universität Karlsruhe (TH) Verteilung und Integration von Informationen im Verkehrsbereich Thema: OLAP in verteilten Data-Warehouse- Umgebungen Vortrag: Christian
Agenda. Themenblock: Data Warehousing (I) Referenzarchitektur. Eigenschaften eines Data Warehouse. Einführung Data Warehouse Data Access mit SQL
Themenblock: Data Warehousing (I) Praktikum: Data Warehousing und Data Mining 2 Eigenschaften eines Data Warehouse Referenzarchitektur Integrierte Sicht auf beliebige Daten aus verschieden Datenbanken
BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit
BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon
Kapitel 6 Einführung in Data Warehouses
Kapitel 6 Einführung in Data Warehouses Skript zur Vorlesung: Datenbanksysteme II Sommersemester 2008, LMU München 2008 Dr. Peer Kröger Dieses Skript basiert zu einem Teil auf dem Skript zur Vorlesung
Data-Warehouse-Technologien
Data-Warehouse-Technologien Prof. Dr.-Ing. Kai-Uwe Sattler 1 Prof. Dr. Gunter Saake 2 Dr. Veit Köppen 2 1 TU Ilmenau FG Datenbanken & Informationssysteme 2 Universität Magdeburg Institut für Technische
good. better. outperform.
good. better. outperform. Quo Vadis Oracle BI Relational oder besser multidimensional? DOAG 2013 Business Intelligence, 17.04.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence
Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings
Wirtschaft Simon Schäfer Data Warehouse. Komponente der Business Intelligence und Qualitätsfaktor des Reportings Bachelorarbeit Bachelor Thesis Data Warehouse - Komponente der Business Intelligence und
1. Einführung. Szenario: Getränkemarkt. DB-Schema. Motivation Überblick Anwendungen Abgrenzung Begriff Data Warehouse DW-Architektur Benchmarks
. Einführung Motivation Überblick Anwendungen Abgrenzung Begriff Data Warehouse DW-Architektur Benchmarks Sattler / Saake Data-Warehouse-Technologien Szenario: Getränkemarkt Umsatz, Portfolio SSaufland
Modellierung und Implementierung einer End-to-End BI Lösung
IBM Software Group Modellierung und Implementierung einer End-to-End BI Lösung DB2 Information Management Software Martin Clement, mclement@de.ibm.com Otto Görlich, ogoerlich@de.ibm.com Stefan Sander,
Multidimensionales Datenmodell
Multidimensionales Datenmodell Grundbegriffe fi Fakten, Dimensionen, Würfel Analyseoperationen fi Drill-Down, Roll-Up, Slice und Dice Notationen zur konzeptuellen Modellierung fi ME/R, ADAPT Relationale
Komponenten und Architekturen von Analytischen Informationssystemen (AIS)
Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Melanie Pfoh Konsultation Zusammenfassung OPAL 6. Übung Juni 2015 Agenda Hinweise zur Klausur Zusammenfassung OPAL Übungen / Kontrollfragen
Schwerpunkte von SQL Server 2005
3K05 Business Intelligence mit SQL Server 2005 Steffen Krause Technologieberater Microsoft Deutschland GmbH http://blogs.technet.com/steffenk Schwerpunkte von SQL Server 2005 Mission Ready Developer Ready
Data Integration and ETL with Oracle Warehouse Builder
Oracle University Kontakt: +43 (0)1 33 777 401 Data Integration and ETL with Oracle Warehouse Builder Dauer: 5 Tage Lerninhalte Die Teilnehmer lernen, wie sie Mappings oder Prozessflüsse zum Laden von
Inhaltsverzeichnis. Teil I Datenmodell 5
ix 1 Einleitung 1 Teil I Datenmodell 5 2 Grundlagen 7 2.1 Semantische Aspekte der Modellierung....................... 7 2.2 Zeilenbasierte Speicherstrukturen........................... 9 2.2.1 Star-Schema....................................
Gunter Saake Kai-Uwe Sattler Andreas Heuer. 3. Auflage. Datenbanken. Implementierungstechniken
Gunter Saake Kai-Uwe Sattler Andreas Heuer 3. Auflage Datenbanken Implementierungstechniken Vorwort v ix 1 Aufgaben und Prinzipien von Datenbanksystemen 1 1.1 Wiederholung der Datenbank-Grundbegriffe...
23. Daten-Analyse. Datenwarenhäuser. Grundlagen des OLAP (On-Line Analytical Processing)
23. Daten-Analyse Datenwarenhäuser Grundlagen des OLAP (On-Line Analytical Processing) Data Mining: Klassifikation, Assoziationsregeln, Sequenzanalyse Datenmodelle, Datenbanksprachen und Datenbankmanagement-Systeme,
Datenbanken und Informationssysteme
Datenbanken und Informationssysteme Lehrangebot Stefan Conrad Heinrich-Heine-Universität Düsseldorf Institut für Informatik April 2012 Stefan Conrad (HHU) Datenbanken und Informationssysteme April 2012
Data Warehouse. für den Microsoft SQL SERVER 2000/2005
Warehouse für den Microsoft SQL SERVER 2000/2005 Begriffe 1 DWH ( Warehouse) ist eine fachübergreifende Zusammenfassung von Datentabellen. Mart ist die Gesamtheit aller Datentabellen für einen fachlich
Vorwort zur 5. Auflage... 15 Über den Autor... 16
Vorwort zur 5. Auflage...................................... 15 Über den Autor............................................ 16 Teil I Grundlagen.............................................. 17 1 Einführung
Themenblock: Data Warehousing (I)
Themenblock: Data Warehousing (I) Praktikum: Data Warehousing und Data Mining Agenda Einführung Data Warehouses Online Transactional Processing (OLTP) Datenmanipulation mit SQL Anfragen mit SQL Online
Data Warehouse. Kapitel 17. Abbildung 17.1: Zusammenspiel zwischen OLTP und OLAP. Man unterscheidet zwei Arten von Datenbankanwendungen:
Kapitel 17 Data Warehouse OLTP Online Transaction Processing OLAP Online Analytical Processing Decision Support-Anfragen Data Mining opera- tionale DB opera- tionale DB opera- tionale DB Data Warehouse
Literaturverzeichnis
Literaturverzeichnis Albrecht J (2001) Anfrageoptimierung in Data-Warehouse-Systemen auf Grundlage des multidimensionalen Datenmodells. Institut für Informatik- Dissertation, Universität Erlangen- Nürnberg.
3. Architektur eines DBS (Oracle)
3. Architektur eines DBS (Oracle) aus Sicht des Datenbank Server Rechners Connectivity Komponente(n) des DBS (z.b. Oracle Listener) Installation ORACLE_HOME Instanz ORACLE_SID Datenbank Oracle: 1 (aktive)
Business Intelligence Praktikum 1
Hochschule Darmstadt Business Intelligence WS 2013-14 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 14.10.2013 Business Intelligence Praktikum
REAL-TIME DATA WAREHOUSING
REAL-TIME DATA WAREHOUSING Lisa Wenige Seminarvortrag Data Warehousing und Analytische Datenbanken Friedrich-Schiller-Universität Jena - 19.01.12 Lisa Wenige 19.01.2012 2 Agenda 1. Motivation 2. Begriffsbestimmung
1 Einführung. Unbekannte Begriffe: Business Intelligence, Knowledge Management, Unternehmensportale, Information Warehouse.
1 Einführung mysap Business Intelligence stellt mit Hilfe von Knowledge Management die Verbindung zwischen denen, die etwas wissen und denen, die etwas wissen müssen her. mysap Business Intelligence integriert
1 Einführung 1 1.1 SAP Business Information Warehouse... 3. 1.1.1 BW Version 3.0...5. Architekturplanung... 9
vii 1 Einführung 1 1.1 SAP Business Information Warehouse... 3 1.1.1 BW Version 3.0...5 Architekturplanung.................................... 9 2 BW-Basissystem 11 2.1 Client/Server-Architektur... 12
Data Warehousing. Fragen des Marketingleiters. Beispiel: : Amazon. Technisch... Amazon weltweit... Datenbank. Aufbau eines DWH OLAP <-> OLTP Datacube
Fragen des Marketingleiters Data Warehousing Wie viele Bestellungen haben wir jeweils im Monat vor Weihnachten, aufgeschlüsselt nach? Aufbau eines DWH OLAP OLTP Datacube Beispiel: : Amazon Technisch
Mit Transbase Hypercube Data Warehouse Anwendungen effizient betreiben. Die Hypercube-Technologie
Mit Transbase Hypercube Data Warehouse Anwendungen effizient betreiben Transbase Hypercube ist eine Transbase -Option, die die innovative Hypercube-Technologie für komplexe analytische Anwendungen (OLAP)
Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen
Christoph Arnold (B. Sc.) Prof. Dr. Harald Ritz Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen AKWI-Tagung, 17.09.2012, Hochschule Pforzheim Christoph Arnold, Prof. Dr. Harald
Logische Modellierung von Data Warehouses
Logische Modellierung von Data Warehouses Vertiefungsarbeit von Karin Schäuble Gliederung. Einführung. Abgrenzung und Grundlagen. Anforderungen. Logische Modellierung. Methoden.. Star Schema.. Galaxy-Schema..
Data Warehousing. Kapitel 1: Data-Warehousing-Architektur. Folien teilweise übernommen von Matthias Gimbel
Data Warehousing Kapitel 1: Data-Warehousing-Architektur Folien teilweise übernommen von Matthias Gimbel 2 Analyse von Geschäftsprozessen Mögliche Fragestellungen Wie entwickelt sich unser Umsatz im Vergleich
Oracle OLAP 11g: Performance für das Oracle Data Warehouse
Oracle OLAP 11g: Performance für das Oracle Data Warehouse Marc Bastien Oracle BI Presales Agenda Performanceprobleme in Oracle DWH: gibt s das überhaupt? Mögliche Gründe und Lösungen
BIW - Überblick. Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004
BIW - Überblick Präsentation und Discoverer Demonstration - Teil 1 - Humboldt Universität zu Berlin am 10. Juni 2004 Annegret Warnecke Senior Sales Consultant Oracle Deutschland GmbH Berlin Agenda Überblick
Business Intelligence Praktikum 1
Hochschule Darmstadt Business Intelligence SS 2014 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 07.05.2014 Business Intelligence Praktikum
Informationssysteme. Prof. Dr. Hans Czap. Lehrstuhl für Wirtschaftsinformatik I. Lehrstuhl für Wirtschaftsinformatik I - II - 1 -
Vorlesung Grundlagen betrieblicher Informationssysteme Prof. Dr. Hans Czap Email: Hans.Czap@uni-trier.de - II - 1 - Inhalt Kap. 1 Ziele der Datenbanktheorie Kap. 2 Datenmodellierung und Datenbankentwurf
Kapitel 3: Eigenschaften von Integrationssystemen. Einordnung von Integrationssystemen bzgl. Kriterien zur Beschreibung von Integrationssystemen
Datenintegration Datenintegration Kapitel 3: Eigenschaften von Integrationssystemen Andreas Thor Sommersemester 2008 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 1 Inhalt Einordnung
Marketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch
Marketing Intelligence Vorstellung der Softwarekomponenten Josef Kolbitsch Manuela Reinisch Übersicht Übersicht über die Systemlandschaft Übersicht über die Werkzeuge Workshop Systemlandschaft 1/8 Klassische