Semantische Modellierung von multidimensionalen Datenstrukturen

Größe: px
Ab Seite anzeigen:

Download "Semantische Modellierung von multidimensionalen Datenstrukturen"

Transkript

1 Schwerpunkt: Grafische Modellierungsnotationen Vortrag auf dem 4. Workshop des GI-Arbeitskreises am in Darmstadt Vorstellung Grundlagen 1.1 Entity Relationship Model 1.2 Objekttypenmethode 1.3 Exkurs: Modellierungsansatz der G.S.E. 2 Application Design for Analytical Processing Technologies 3 Objektorientierte Modellierung mit der UML Ausblick

2 Vorstellung Referent: Dipl.-Inform. Andreas Technische Universität Carolo-Wilhelmina zu Braunschweig Institut für Wirtschaftswissenschaften Pockelsstraße 14 D Braunschweig Telefon: 05 31/ Fax: 05 31/ WWW: Dissertationsthema: Modellierung von multidimensionalen Datenstrukturen für Controllinganalysen (Arbeitstitel) (Folien werden im PDF-Format auf meiner Homepage zum Download bereitgestellt)

3 Semantische betriebswirtschaftliche Modellierung Ein Datenmodell ist ein strukturiertes Abbild der Daten eines fest abgegrenzten Teils der wahrgenommenen Realität, die für eine bestimmte Anwendung bzw. für bestimmte Anwender relevant sind, einschließlich der zwischen ihnen bestehenden Beziehungen. Maier 1998, S. 130 Für die semantische Modellierung von betriebswirtschaftlichen Zusammenhängen reicht eine Sicht auf die reine Datenstruktur nicht aus, da eine semantische Modellierung die Bedeutung der handelnden Personen, ihrer Verpflichtungen, Rollen, Handlungen und Mitteilungen interpretieren muß. Betriebswirtschaftlich gesehen werden die Geschäftsprozesse abgebildet. Eine semantische betriebswirtschaftliche Modellierung beinhaltet daher unterschiedliche Sichten, wie für Daten, Funktionen, Organisation sowie für die Steuerung von dynamischen Abläufen. Kritischer Erfolgsfaktor für die Modellierung (und Implementierung) entscheidungsunterstützender Systeme ist der Deckungsgrad des Informationsbedarfs der Anwender. Den Ausgangspunkt einer betriebswirtschaftlichen Modellierung muß eine grafische Notation bilden. Textuelle Beschreibungen sollten nur der Präzisierung dienen.

4 Anforderungen an Datenmodelle Kriterien für die Wissensrepräsentation in semantischen Datenmodellen: Verständlichkeit Der Anwender aus der Fachabteilung und der Systemdesigner müssen das enthaltene strukturelle Wissen verstehen und Informationen entnehmen können. Ausdrucksstärke Möglichst viele Sachverhalte (Daten, Regeln, Operationen) sollten mit größtmöglicher Präzision formalisiert dargestellt werden können. Zerlegbarkeit Sachverhalte sollten sich in der Darstellung einfach zerlegen lassen. Validierbarkeit Die Richtigkeit der Inhalte muß durch Verständlichkeit und Formalisierung sichergestellt werden können. Veränderbarkeit Modelle müssen veränder- und erweiterbar sein. (Verarbeitungsgeschwindigkeit) Hars 1994, S. 47 f

5 Einsatzbereiche von Datenmodellen Entwurf von DV-Systemen Informationsmanagement (Nutzung des Produktionsfaktors Information) Klärungsfunktion Anforderungsspezifikation Integration heterogener Systeme Reengineering Begriffsklärung Informationsbedarfsanalyse Dokumentationsfunktion Dokumentation der DV-Systeme Kommunikation mit dem Anwender Globales Informationsverzeichnis Zugriffsmedium Begriffsdokumentation (Organisationshandbuch) Einarbeitung von Mitarbeitern Gestaltungsfunktion Projektabgrenzung Schnittstellendefinition Trennung fachlicher und DVtechnischer Aspekte (Wiederverwendbarkeit) Generieren von Datendefinitionen Auswahl von Software Konfiguration Schwachstellenanalyse Informationsbewertung Verantwortlichkeit für Information Reintegration von Funktionen Hars 1994, S. 29

6 Multidimensionale Modellierung Multidimensionale Datenmodelle werden zur Konzeption von Data-Warehouse-Datenbanken bzw. OLAP-Servern, also für dispositive Informationssysteme benötigt. Die Denkweise unterscheidet sich grundsätzlich von der Modellierung von operativen Systemen, da Informationsobjekte für Managemententscheidungen im Vordergrund stehen. Die primär für die Abbildung von operativen Geschäftsprozessen benutzten konventionellen Modellierungsnotationen trennen organisatorische Aspekte der Datenhaltung von der Interaktion der Datenbasis mit den Anwendungsprogrammen. Daher sollten diese Notationen nicht unmodifiziert für multidimensionale Systeme angewendet werden. Die grundlegenden Elemente eines multidimensionalen Modells sind: Variable bzw. Kennzahlen (synonym Variables, Facts, Measures, measured Facts) Dimensionen (betriebswirtschaftliche Entscheidungsobjekte) Formeln (Konsolidierung, Kennzahlenberechnung, betriebswirtschaftliche Methoden) Die Darstellungsformen der im folgenden vorgestellten Notationen orientieren sich meist am Star-Schema mit Fakten- und Dimensionstabellen. Die Notation muß generell aber unabhängig von der physikalischen Implementierung sein.

7 Beispielhafte Problemstellung im Controlling Ein Unternehmen möchte im Rahmen seines Vertriebscontrolling umfangreiche Auswertungen vornehmen. Betriebswirtschaftliche Variable Bruttoerlös, Erlösschmälerungen, Nettoerlös, Variable Kosten, Deckungsbeitrag I Dimensionen Artikel: Einzel, Gruppe, Marke sowie Sondermodellgruppe Szenarien: Plan, Ist, Abweichung Vertriebsweg: Filiale, Gebiet, Land, Region jeweils mit Attributen Zeit: Jahr, Quartale (I, II, III, IV), Monate (Januar bis Dezember), Tage (monatsabhängig) Formeln: Alle kursiv angegebenen Elemente sowie Konsolidierungen Besonderheiten: Tagesinformationen sollen nicht im dispositiven System abgelegt werden, sondern werden im Bedarfsfall mit einem SQL-Durchgriff aus operativen Systemen abgeholt. Bei der Sondermodellgruppe handelt es sich nur um eine alternative Sichtweise. Die Elemente der jeweiligen Hierarchieebene der Zeitdimension haben eine feste logische Reihenfolge (z.b. Januar bis Dezember).

8 Grundelemente 1.1 Entity Relationship Model (ERM) Schlüsselattribut Attribut Entity Attribut Beziehung Erweiterungen 1 n ISA Aggregation durch Beziehung, aufgefaßt als Entity mit Kardinalitäten Chen 1976; zu eer siehe z.b. Biskup 1995, S. 51 ff Spezialisierung

9 Beispiel als ERM Vertriebsweg Artikel Vertriebsweg gesamt Sondermodellgruppe ISA Gesamt verdichtet zu Marke Artikel Kennzahlen Szenario Vertriebsweg Jahr Vertriebsergebnis Jahr 1 verdichtet zu n Quartal Zeit Reihenfolge Reihenfolge verdichtet zu Region 1 verdichtet zu n Land Regionsname Regionsleiter Landesname Landesleiter verdichtet zu Kennzahlen Szenario verdichtet zu verdichtet zu Gruppe ISA ISA Monat Reihenfolge Gebiet Gebietsname Gebietsleiter verdichtet zu Bruttoerlös Erlösschmälerungen Variable Kosten Plan Ist verdichtet zu verdichtet zu Einzel Deckungsbeitrag I Abweichung Tag Nettoerlös Entity-Name Reihenfolge Filiale Filialname Filialleiter

10 1.2 Objekttypenmethode (OTM) Ausgewählte Notationselemente Objekttyp Beziehungsverhältnis 1 Aggregation Beziehungsverhältnis n komplexer Objekttyp Basis- Objekttyp Konnexion Ortner/Söllner 1989, S. 33 ff; Rautenstrauch 1997, S. 7

11 Ein Beispiel mit OTM Fakttabelle Auftragserlös Region Kontinent Werkstoff Herstellart Lieferstufe Anwenderschlüssel Ergebniseinheiten Wirtschaftsregion Handelsart Kundenstruktur Marktstruktur Vertriebsstruktur Produktionsstruktur Land Geschäftsart Kundenart Markt Vertrieb Produktionsbereich Außendienst Lieferart Außendienstart Buchungsdatum Kunde Marktsegment Vertriebsabteilung Betriebsabteilung Woche Tag Außendienstler Marktsubsubsegment Marktsubsegment Vertriebsgruppe Erzeugnis Quartal Monat Jahr Verkäufer Rautenstrauch 1997, S. 9

12 1.3 Exkurs: Modellierungsansatz der G.S.E. Sparte 4 Kunde Produktgruppe 60 Produkt 35 Realitätsszenario Vertragsinformation 1.2 Mio 200 Vertreter 3 Verkaufs- Information 0.8 Mio 12 Quartal 3 Jahr liefert empfängt Zeitraum Firma Star-Schema 30 Land 5 Altenpohl/Huhn/Schwab/Zeh 1997, S. 18 und 20 Region Snowflake-Schema

13 Fazit ERM Reine erweiterte ER-Modelle sind für die Modellierung multidimensionaler Strukturen ungeeignet. Das eer-modell muß um weitere Konstrukte ergänzt werden. Datensicht allein reicht nicht, daher sollten funktionale und organisatorische Sicht sowie implementierungsnähere Ebenen ergänzt werden. Weiterhin müssen sich auch dynamische Aspekte abbilden lassen. Vorschlag Hinzunahme von weiteren Diagrammtypen, wie z.b. in der der Architektur integrierter Informationssysteme (ARIS) vorhanden: Funktionsbaum Ereignisdiagramm/ereignisgesteuerte Prozeßkette Relationendiagramm (z.b. für ROLAP-Implementierungen oder SQL-Durchgriff)

14 2 Application Design for Analytical Processing Technologies (ADAPT) Kernelemente Dimensionstypen Dimensionselemente Beziehungstypen Würfel (Hypercube) Aggregierende Dimension (Aggregation Dimension) { } Hierarchiestufe (Hierarchy Level) inklusive Untermengenbeziehung (Inclusive Subset) Dimension1 Dimension2 Sequentielle Dimension (Sequential Dimension) { } Dimensionselement (Dimension Member) exklusive Untermengenbeziehung (exclusive Subset) Dimension (Dimension) Eigenschaftsdimension (Property Dimension) { } Dimensionsausschnitt (Dimension Scope) exklusive Teilmengenbeziehung (Mutually Exclusive Subset) Berechungsformel (Model) Partitionierende Dimension (Version Dimension) Dimensionsattribut (Dimension Attribute) Filter (Filter) Hierarchie (Hierarchy) Kennzahlendimension (Measure Dimension) Ausschnitt (Context) UND (AND) ODER (OR) Datenquelle (Data Source) Tupeldimension (Tuple Dimension) Dimensionsbeziehung (Dimension Membership) Sonstiges SQL-Durchgriff (SQL Drill-Thru) Tabellenkalkulationsprogramm (Spread Sheet) Interaktive Bedienung (Interactive) SQL RDBMS Relationales Datenbankmanagementsystem Bericht (Report) in Anlehnung an Bulos 1996, S. 34

15 Beispiel mit ADAPT Vertriebsergebnis Artikel Kennzahlen Szenario Vertriebsweg Artikel Kennzahlen Szenario Vertriebsweg Zeit Artikelhierarchie { } Bruttoerlös { } Plan Vertriebsweghierarchie Zeithierarchie { } Gesamt { } Erlösschmälerungen { } Ist { } Gesamt { } Jahr { } Marke { } Nettoerlös { } Abweichung { } Region Regionsname Regionsleiter { } Quartal { } Sondermodellgruppe { } Gruppe Bruttoerlös -Erlösschmälerungen Plan-Ist { } Land Landesname Landesleiter { } Monat { } Einzel { } Variable Kosten { } Gebiet Gebietsname Gebietsleiter SQL Drill-Thru { } Deckungsbeitrag I { } Filiale Filialname Filialleiter { } Tag Nettoerlös -Variable Kosten

16 Beispiel Automobilbranche { } Land Listenpreis unbereinigt Absatz { } Vertriebsregion { } Welt { } Region { } Ist { } Ist Markthierarchie Markthierarchie nach Regionen { } Marke { } Segment Markt { } Markenbezeichnung { } A-Segment n Produkte je Markt Abhängigkeit zwischen Märkten und Produkten { } Segment Top 10 berechnen n Produkt { } A-Segment Konzernhierarchie Segmenthierarchie { } Typ { } Gesamt { } Gesamt { } Konzern/ Gruppe { } Segment { } Typenbezeichnung Preisindex unbereinigt zu Referenzprodukt berechnen { } Marke { } Typ { } Typ Erstellung eines vordefinierten Ausschnitts Preisindexvergleich Autotyp zu Top10

17 Fazit ADAPT ADAPT ist eine speziell für den multidimensionalen Entwurf ausgelegte Modellierungsnotation. Der Umfang an Modellierungskonstrukten ist sehr groß: Vorteil: auch für komplexe Sachverhalte gibt es geeignete Darstellungsweisen. Nachteil: Notationsvielfalt muß erlernt und auch korrekt angewendet werden (ähnliches Problem existiert bei ARIS). Verschiedene Sichten werden in einem Diagrammtyp vermischt. Bei größeren Projekten sollten Modellierungssichten und -ebenen durch Konvention aufgeteilt werden. Aus unserer Projekterfahrung bilden ADAPT-Diagramme eine gute Diskussionsgrundlage für Gespräche zwischen Anwendern aus Fachabteilungen und OLAP-Designern.

18 3 Objektorientierte Modellierung Methode Konzepte Notation Methodische Vorgehensweise Grafik Text Methodische Schritte Methodische Regeln Beispiele Balzert 1997, S. 38 Mit objektorientierter Modellierung soll hier der Einsatz einer objektorientierten (grafischen) Notation vorgestellt werden.

19 Unified Modelling Language (UML) basiert schwerpunktmäßig auf Modellen von Booch, Jacobsen und Rumbaugh wurde als Bestandteil der Object Management Architecture (OMA) durch Object Management Group (OMG) aufgenommen UML ist Sprache und Notation, aber keine Methode (kann aber Basis für verschiedene Methoden sein) umfaßt verschiedene Sichten: Anwendungsfall: beschreibt die Interaktion zwischen Anwender und System Logisch: zur Modellierung von statischen und dynamischen Zusammenhängen Komponenten: gliedert die Organisation und Zusammenhänge eines komponentenweisen Aufbaus der Implementierung

20 Ausgewählte statische Notationselemente Akteur Anwendungsfall Klassendiagramm <<Stereotype>> Paket::Klassenname Attribut : Typ = Initialwert {Zusicherung} operation(param: Typ=Init.) {Zusicherung} führt durch Ad-Hoc-Analyse Assoziation Firma name anschrift arbeitgeber beschäftigt -> arbeitnehmer <- arbeitet für 1 * Mitarbeiter name anschrift personalnr Controller ruft ab Bericht beinhaltet Soll-Ist-Vergleich beinhaltet Aggregation Firma besteht aus -> besteht aus -> Abteilung 1 1..* 1 1..* Mitarbeiter Fahrzeug Top-Ten-Analyse Anwendungsfalldiagramm LandFahrzeug räder LuftFahrzeug tragflächen WasserFahrzeug schwimmfähig Vererbung Auto Fahrrad Flugzeug Boot

21 Ausgewählte dynamische Notationselemente Kunde Rechnung Auftragsannah me bestellt(artikel) Lager Kundenkonto prüftbonität(kunde) 6: sendet(artikel) erstellt(betrag(){bonität = ok}) 1: bestellt(artikel) 4: auftrag(artikel) {Bonität = ok} Kunde Auftragsannahme Lager fordert(betrag) auftrag(artikel(){bonität = ok}) 5: fordert(betrag) 3: erstellt(betrag() {Bonität = ok}) sendet(artikel) buchtsoll(betrag) 8: zahlt(betrag) Rechnung 7: buchtsoll(betrag) zahlt(betrag) Kundenkonto 2: prüftbonität(kunde) Sequenzdiagramm Kollaborationsdiagramm

22 Notation einer multidimensionalen Datenstruktur Betriebswirtschaftliches Objekt Bezeichnung : String Betriebswirtschaftliche Variable : Menge(Betriebswirtschaftliche Variable) Dimensionen : Menge(Dimension) Betriebswirtschaftliche Variable Bezeichnung : String Wert : Variant Dimensionselemente : Menge(Dimensionselement) ausgeben(wert, Menge(Dimensionselement) eingeben(wert, Menge(Dimensionselement) löschen(wert, Menge(Dimensionselement) besitzt Wert(e) Kombination wird beschrieben durch Dimension Bezeichnung : String Elemente : Menge(Dimensionselement) ausgeben(menge(dimensionselement)) hinzufügen(dimensionselement) löschen(dimensionselement) besitzt Dimensionselement Elementattribut : Variant ist Hierarchie Hierarchieebenen : Liste(Hierarchieebene) ausgeben(liste(hierarchieebene)) hinzufügen(hierarchieebene) löschen(hierarchieebene) besitzt hat Hierarchieebene Bezeichnung : String Mitglieder : Menge(Dimensionselement) Zwischenaggregat : Variant ausgeben(mitglieder) hinzufügen(dimensionselement) löschen(dimensionselement) berechnen Zwischenaggregat(Mitglieder) ausgeben(zwischenaggregat)

23 Notation von speziellen Klassen Dimension Bezeichnung : String Elemente : Menge(Dimensionselement) ausgeben(menge(dimensionselement)) hinzufügen(dimensionselement) löschen(dimensionselement) Hierarchieebene Bezeichnung : String Mitglieder : Menge(Dimensionselement) Zwischenaggregat : Variant ausgeben(mitglieder) hinzufügen(dimensionselement) löschen(dimensionselement) berechnen Zwischenaggregat(Mitglieder) ausgeben(zwischenaggregat) aggregierende Dimension Elemente : Menge(Hierarchie) ausgeben(menge(hierarchie)) hinzufügen(hierarchie) löschen(hierarchie) partitionierende Dimension sequentielle Hierarchieebene Elemente : Liste(Dimensionselement) hinzufügen(dimensionselement, Position) Die Hierarchieebenen der Zeitdimension besitzen Liste statt Menge als Typ für Elemente, um Reihenfolgebeziehung darzustellen.

24 Vertriebsergebnisrechnung als Anwendungsfall Zusätzliche Verdeutlichung der Dimensionstypen durch Stereotypen Vertriebsergebnis Bruttoerlös Erlösschmälerungen Variable Kosten Dimensionen : (Artikel, Szenario, Vertriebsweg) berechne Nettoerlös(BE, ES) berechne Deckungsbeitrag(NE, VK) SQL-Durchgriff kann in Komponentensicht beschrieben werden <<Aggregierend>> Zeit <<Aggregierend>> Artikel <<Partitionierend>> Szenario Plan Ist <<Aggregierend>> Vertriebsweg Zeithierarchie Artikelhierarchie berechne Abweichung() Vertriebsweghierarchie <<sequentiell>> Jahr Elemente : Liste(Quartal) Artikel gesamt Vetriebsweg gesamt Marke Region <<sequentiell>> Quartal Elemente : Liste(Monat) Sondermodellgruppe Gruppe Einzel Land Gebiet <<sequentiell>> Monat Elemente : Liste(Tag) Filiale <<sequentiell>> Tag

25 Zuordnung der verwendeten Klassen (from Logical View) Betriebswirtschaftliche Variable Bezeichnung : String Wert : Variant Dimensionselemente : Menge(Dimensionselement) Vertriebsergebnis Bruttoerlös Erlösschmälerungen Variable Kosten Dimensionen : (Artikel, Szenario, Vertriebsweg) <<Aggregierend>> Artikel aggregierende Dimension (from Logical View) Elemente : Menge(Hierarchie) <<Aggregierend>> Vertriebsweg <<Aggregierend>> Zeit partitionierende Dimension (from Logical View) <<Partitionierend>> Szenario Plan Ist berechne Abweichung() berechne Nettoerlös() berechne Deckungsbeitrag() Artikel gesamt Marke Gruppe Einzel Sondermodellgruppe Hierarchie (from Logical View) Hierarchieebene (from Logical View) Artikelhierarchie Vertriebsweghierarchie Zeithierarchie sequentielle Hierarchieebene (from Logical View) Vertriebsweghierarchieebene Name Leiter Vetriebsweg gesamt Region Land Gebiet Filiale Jahr Quartal Monat Tag

26 Fazit Objektorientierte Modellierung Reihenfolgebeziehungen von Elementen lassen sich als Liste darstellen (Benutzung von abstrakten Daten-/Objekttypen in Grafik möglich). Erweiterung der Notation durch Stereotypen möglich. Es gelten die allgemeinbekannten Vorteile der objektorientierten Modellierung, insbesondere sind Daten und Funktionen eng miteinander verknüpft betriebswirtschaftliche Variable und Dimensionen lassen sich direkt mit ihren Funktionen verbinden, lassen sich objektorientierte Modelle sehr leicht in objektorientierten oder objektrelationen DBMS implementieren, können Projekte durch Wiederverwendung vereinfacht werden. Nachteil: Objektorientiertes Denken muß erlernt und auch von Vertretern der Fachabteilung verstanden werden. Man sollte sich jetzt auf die UML als neuen Standard einstellen.

27 Ausblick Die wirklichen Probleme treten erst bei der praktischen Modellierung und anschließenden Implementierung auf: Schwierig zu modellieren sind sich im Zeitablauf verändernde Dimensionen (slowly changing Dimensions), wie die Neuorganisation von Artikelgruppen oder von Verantwortungsbereichen (Profit Center). Teilweise lassen sich modellierte Eigenschaften mit OLAP-Produkten gar nicht implementieren: umfangreiche zusätzliche Attribute können nicht geführt werden bestimmte Variable lassen sich nicht gleichzeitig in einer Auswertung anzeigen, da sie unterschiedliche Dimensionen besitzen bzw. wenn sie sich anzeigen lassen, dann nur mit gleichen Dimensionen Bisher konnte sich noch keine Notation für die multidimensionale Modellierung dominierend durchsetzen. Die vorgestellten Notationen sind mehr oder weniger gut geeignet: ER-Modelle lassen sich mit Hilfe von geeigneten Ergänzungen einsetzen. ADAPT ist eine umfangreiche, einfach zu erlernende Notation aus der Praxis der Unternehmensberatung. Die Eignung von objektorientierten Konstrukten für die multidimensionale Modellierung ist bisher noch unzureichend untersucht worden und einer weiteren Betrachtung.

28 Quellen und Literaturhinweise Altenpohl, U.; Huhn, M.; Schwab, W.; Zeh, T. (1997): Datenmodellierung Data Warehouse ein Lösungsvorschlag mittels ER- Modellierung, Interner Bericht der G.S.E. UAG Rhein-Main 1997 Balzert, H. (1997): Wie erstellt man ein objektorientiertes Analysemodell?, in: Informatik- Spektrum, 1/1997, S Bulos, D. (1996): A New Dimension, in: Database Programming & Design, 6/1996, S Biskup, J. (1995): Grundlagen von Informationssystemen, Braunschweig Wiesbaden (Vieweg) 1995 Chen, P. P. (1976): The entitiy-relationship-model towards a unified view of data, in ACM Transactions on Database Systems, 1/1976, S Fowler, M. (1997): Analysis Patterns - Reusable Object Models, Massachusetts (Addison- Wesley) 1997 Gabriel, R.; Gluchowski, P. (1997): Semantische Modellierungstechniken für multidimensionale Datenstrukturen, in: HMD Theorie und Praxis der Wirtschaftsinformatik, 195/1997, S Hars, A. (1994): Referenzdatenmodelle Grundlagen effizienter Datenmodellierung, Wiesbaden (Gabler) 1994 Holthuis, J. (1997): Modellierung multidimensionaler Daten - Modellierungsaspekte und Strukturkomponenten, Arbeitsberichte des Lehrstuhls für Informationsmanagement und Datenbanken, European Business School, Oestrich-Winkel 1997 Kimball, R. (1997): A Dimensional Modeling Manifesto Drawing The Line Between Dimensional Modeling and ER Modeling Techniques, in: DBMS Online, 8/1997, Maier, R. (1998): Nutzen und Qualität der Datenmodellierung Ergebnisse einer empirischen Studie, in: Wirtschaftsinformatik, 2/1998, S Oestereich, B. (1997): Objektorientierte Softwareentwicklung: Analyse und Design - mit der Unified Modeling Language, 3. Aufl., München Wien (Oldenbourg) 1997 Ortner, E.; Söllner, B. (1989): Semantische Datenmodellierung nach der Objekttypenmethode, in: Informatik-Spektrum, 12/1989, S Rautenstrauch, C. (1997): Modellierung und Implementierung von Data-Warehouse-Systemen, Arbeitspapier, Otto-von-Guericke-Universität, Magdeburg, 1997 Scheer, A.-W. (1998): ARIS - Modellierungsmethoden, Metamodelle, Anwendungen, 3. Aufl., Berlin et al. (Springer) 1998 Schelp, J. (1998): Konzeptionelle Modellierung mehrdimensionaler Datenstrukturen, in: Chamoni, P.; Gluchowksi, P. (Hrsg.): Analytische Informationssysteme, Berlin et al. (Springer) 1998, S , A. (1997): Data Warehouse und OLAP als Basis für betriebliche Informationssysteme, Arbeitsbericht Nr. 97/03, Institut für Wirtschaftswissenschaften, Technische Universität Braunschweig, 1997

Multidimensionale Modellierung für Controllinganwendungen

Multidimensionale Modellierung für Controllinganwendungen Multidimensionale Modellierung für Controllinganwendungen Dipl.-Inform. Andreas Totok Abteilung Controlling und Unternehmensrechnung Leiter: Prof. Dr. Burkhard Huch Technische Universität Braunschweig

Mehr

Komponenten und Architekturen von Analytischen Informationssystemen (AIS)

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.

Mehr

Christian Kurze BI-Praktikum IBM WS 2008/09

Christian Kurze BI-Praktikum IBM WS 2008/09 Einführung in die multidimensionale Datenmodellierung e mit ADAPT BI-Praktikum IBM WS 2008/09 1 Gliederung Einführung multidimensionale Datenmodellierung 1. Multidimensionales Modell BI-Praktikum IBM WS

Mehr

Objektorientierte Systementwicklung mit der Unified Modeling Language (UML) Vorgehensmodelle für die objektorientierte Systementwicklung

Objektorientierte Systementwicklung mit der Unified Modeling Language (UML) Vorgehensmodelle für die objektorientierte Systementwicklung Objektorientierte Systementwicklung mit der Unified Modeling Language (UML) (Dr. Markus Nüttgens, Dipl.-Hdl. Michael Hoffmann, Dipl.-Inform. Thomas Feld, Institut für Wirtschaftsinformatik (IWi), Universität

Mehr

Objektorientierter Software-Entwurf Die Unified Modeling Language 4 1

Objektorientierter Software-Entwurf Die Unified Modeling Language 4 1 Objektorientierter Software-Entwurf Die Unified Modeling Language 4 1 Die Unified Modeling Language Die UML (hier in der Version 0.9) ist ein Satz von Notationen zur Beschreibung objektorientierter Softwaresysteme.

Mehr

Fundamentals of Software Engineering 1

Fundamentals of Software Engineering 1 Folie a: Name Fundamentals of Software Engineering 1 Grundlagen der Programmentwurfstechnik 1 Sommersemester 2012 Dr.-Ing. Stefan Werner Fakultät für Ingenieurwissenschaften Folie 1 Inhaltsverzeichnis

Mehr

Logische Modellierung von Data Warehouses

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..

Mehr

Hetero-Homogene Data Warehouses

Hetero-Homogene Data Warehouses Hetero-Homogene Data Warehouses TDWI München 2011 Christoph Schütz http://hh-dw.dke.uni-linz.ac.at/ Institut für Wirtschaftsinformatik Data & Knowledge Engineering Juni 2011 1 Data-Warehouse-Modellierung

Mehr

1 Objektorientierte Software-Entwicklung

1 Objektorientierte Software-Entwicklung 1 Objektmodellierung 1 Objektorientierte Software-Entwicklung Prof. Dr. Heide Balzert Fachbereich Informatik Fachhochschule Dortmund Heide Balzert 2000 2 Lernziele Wissen, was unter objektorientierter

Mehr

Data Warehouse Grundlagen

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

Mehr

Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten

Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten Star-Schema-Modellierung mit ERwin - eine kritische Reflexion der Leistungspotentiale und Anwendungsmöglichkeiten Michael Hahne T&I GmbH Workshop MSS-2000 Bochum, 24. März 2000 Folie 1 Worum es geht...

Mehr

Entwicklung von Data-Warehouse-Systemen

Entwicklung von Data-Warehouse-Systemen Matthias Goeken Entwicklung von Data-Warehouse-Systemen Anforderungsmanagement, Modellierung, Implementierung Mit einem Geleitwort von Prof. Dr. Ulrich Hasenkamp Deutscher Universitäts-Verlag Inhaltsverzeichnis

Mehr

Eignung unterschiedlicher Faktenmodellierungen in Data Warehouse-Systemen

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

Mehr

Aufbau eines Data Warehouse für den Lebensmitteleinzelhandel

Aufbau eines Data Warehouse für den Lebensmitteleinzelhandel Die Fallstudie aus der Wirtschaftsinformatik: Aufbau eines Data Warehouse für den Lebensmitteleinzelhandel Dipl.-Kfm. Carsten Bange, Dr. Heiko Schinzer, Würzburg 1. Ausgangssituation Der hohe Wettbewerbsdruck

Mehr

09.01.14. Vorlesung Programmieren. Unified Modeling Language (UML) Unified Modeling Language (UML) Unified Modeling Language (UML)

09.01.14. Vorlesung Programmieren. Unified Modeling Language (UML) Unified Modeling Language (UML) Unified Modeling Language (UML) Vorlesung Programmieren Unified Modeling Language (UML) Prof. Dr. Stefan Fischer Institut für Telematik, Universität zu Lübeck http://www.itm.uni-luebeck.de/people/fischer Unified Modeling Language (UML)

Mehr

Management Support Systeme

Management Support Systeme Folie 1 Management Support Systeme Literatur zur Vorlesung MSS Gluchowski, Peter; Gabriel, Roland; Chamoni, Peter (1997): Management Support Systeme. Computergestützte Informationssysteme für Führungskräfte

Mehr

OLAP und Data Warehouses

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

Mehr

Software-Engineering im Aris-Konzept als Ansatz der Integration der IT-Landschaft von Unternehmen

Software-Engineering im Aris-Konzept als Ansatz der Integration der IT-Landschaft von Unternehmen Software-Engineering im Aris-Konzept als Ansatz der Integration der IT-Landschaft von Unternehmen Martin Plümicke 25. Oktober 2002 1 These: IT im Unternehmen ist mehr als nur die Analyse von Geschäftsprozessen.

Mehr

Business Intelligence Praktikum 1

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

Mehr

Datenbankmodelle 1. Das Entity-Relationship-Modell. Prof. Dr. Bernhard Schiefer 2-1

Datenbankmodelle 1. Das Entity-Relationship-Modell. Prof. Dr. Bernhard Schiefer 2-1 Datenbankmodelle 1 Das Entity-Relationship-Modell Prof. Dr. Bernhard Schiefer 2-1 Datenbankmodelle ER-Modell hierarchisches Modell Netzwerkmodell relationales Modell objektorientierte Modelle Prof. Dr.

Mehr

Hinweise zur Klausur Zusammenfassung OPAL-Übungen / Kontrollfragen Fragen Vertiefung Modellierung

Hinweise zur Klausur Zusammenfassung OPAL-Übungen / Kontrollfragen Fragen Vertiefung Modellierung Komponenten und Architekturen von Analytischen Informationssystemen (AIS) Melanie Pfoh Konsultation Zusammenfassung OPAL 24. Juni 2014 Agenda Hinweise zur Klausur Zusammenfassung OPAL-Übungen / Kontrollfragen

Mehr

Business Intelligence Praktikum 1

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

Mehr

Grundkurs Geschäftsprozess Management

Grundkurs Geschäftsprozess Management Andreas Gadatsch Grundkurs Geschäftsprozess Management Methoden und Werkzeuge für die IT-Praxis: Eine Einführung für Studenten und Praktiker Mit 352 Abbildungen 5., erweiterte und überarbeitete Auflage

Mehr

Einleitung. Literatur. Pierre Fierz. Architektur von Datenbanksystemen. Physische Datenunabhängigkeit. Der Datenbank Administrator (DBA) 1.

Einleitung. Literatur. Pierre Fierz. Architektur von Datenbanksystemen. Physische Datenunabhängigkeit. Der Datenbank Administrator (DBA) 1. Inhalt der Vorlesung Literatur 1 Datenmodellierung (Entity-Relationship Modell) 2 Das relationale Modell 3 Relationenalgebra 4 Datenbanksprache (SQL) 5 Normalisierung 6 Vom ERM zum Datenbankschema 7 Routinen

Mehr

Komponenten und Architekturen von Analytischen Informationssystemen (AIS)

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

Mehr

Modellierung von Geschäftsprozessen (MGP / GPM) Thematische Einführung

Modellierung von Geschäftsprozessen (MGP / GPM) Thematische Einführung FHTW Berlin FB4, Wirtschaftsmathematik Modellierung von Geschäftsprozessen (MGP / GPM) Thematische Einführung Dr. Irina Stobbe STeam Service Software Sustainability Organisatorisches Thema - Überblick

Mehr

Objektorientierte Datenmodelle und - verwaltung

Objektorientierte Datenmodelle und - verwaltung Schlagworte der 90er: Objektorientiertes GIS OpenGIS Case-Tool Geoökologe Legt Problemstellung fest (Art, Anzahl, Dimension, Skalierung) Wählt Koordinatensystem Wählt Fachattribute OOUI (object-oriented

Mehr

Modellieren mit der Unified Modeling Language: Klassen- und Objektdiagramme. 11. November 2014

Modellieren mit der Unified Modeling Language: Klassen- und Objektdiagramme. 11. November 2014 Modellieren mit der Unified Modeling Language: Klassen- und Objektdiagramme 11. November 2014 Überblick Was ist die Unified Modeling Language (UML)? die Standardmodellierungssprache für Softwaresysteme

Mehr

7. Analyse-Phase: Datenmodellierung Software Engineering

7. Analyse-Phase: Datenmodellierung Software Engineering 7. Analyse-Phase: Datenmodellierung Software Engineering Hochschule Darmstadt Haardtring 100 D-64295 Darmstadt Prof. Dr. Bernhard Humm Hochschule Darmstadt, 20. November 2006 Einordnung in den Kontext

Mehr

Datenmodellierung und Datenbanksysteme. Vorlesung. Informationswissenschaft und Informationssysteme. Hans Uszkoreit & Brigi1e Jörg

Datenmodellierung und Datenbanksysteme. Vorlesung. Informationswissenschaft und Informationssysteme. Hans Uszkoreit & Brigi1e Jörg Vorlesung Informationswissenschaft und Informationssysteme Hans Uszkoreit & Brigi1e Jörg Definitionen Data modeling in software engineering is the process of creating a data model by applying formal data

Mehr

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Andreas Ditze MID GmbH Kressengartenstraße 10 90402 Nürnberg a.ditze@mid.de Abstract: Data Lineage

Mehr

Multidimensionales Datenmodell, Cognos

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

Mehr

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06 Business Intelligence Data Warehouse / Analyse Sven Elvers 2005-07-06 Einleitung Dieses Dokument beschreibt einen für das Verständnis relevanten Teil der Präsentation. Business Intelligence Motivation

Mehr

Kapitel DB:III. III. Konzeptueller Datenbankentwurf

Kapitel DB:III. III. Konzeptueller Datenbankentwurf Kapitel DB:III III. Konzeptueller Datenbankentwurf Einführung in das Entity-Relationship-Modell ER-Konzepte und ihre Semantik Charakterisierung von Beziehungstypen Existenzabhängige Entity-Typen Abstraktionskonzepte

Mehr

Data Warehouses. Data Warehouse Architektur ... Sommersemester 2011. Melanie Herschel melanie.herschel@uni-tuebingen.de

Data Warehouses. Data Warehouse Architektur ... Sommersemester 2011. Melanie Herschel melanie.herschel@uni-tuebingen.de Data Warehouses Sommersemester 2011 Melanie Herschel melanie.herschel@uni-tuebingen.de Lehrstuhl für Datenbanksysteme, Universität Tübingen Data Warehouse Architektur Data-Warehouse-System Teilsichten

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendungssysteme (BIAS) Lösung Aufgabe 1 Übung WS 2012/13 Business Intelligence Erläutern Sie den Begriff Business Intelligence. Gehen Sie bei der Definition von Business Intelligence

Mehr

Umsetzung der Anforderungen - analytisch

Umsetzung der Anforderungen - analytisch Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird

Mehr

Inhalte der Veranstaltung

Inhalte der Veranstaltung Inhalte der Veranstaltung 5. Anwendungssysteme 5-4 6. Entwurf von Anwendungssystemen 6.1 Datenmodellierung 6-1 6.2 Geschäftsprozessmodellierung 6-32 6.3 Entwurf von Datenbanken 6-79 6.4 Nutzung von Datenbanken

Mehr

3. Spezielle ER-Modelle und Tabellenableitung. Transformation von ER-Diagrammen in Relationen

3. Spezielle ER-Modelle und Tabellenableitung. Transformation von ER-Diagrammen in Relationen 3. Spezielle ER-Modelle und Tabellenableitung Spezialfälle von ER-Modellen Grundlage, was sind Relationen Transformation von ER-Diagrammen in Relationen 56 Lesebeispiel Access (Realisierungmodell!) 57

Mehr

F achartikel. OLAP-Modellierung mit Hilfe der ADAPT-Notation

F achartikel. OLAP-Modellierung mit Hilfe der ADAPT-Notation Dr. Michael Hahne ist Geschäftsführender Gesellschafter der Hahne Consulting GmbH, eines auf BI-Architektur und -Strategie spezialisierten Beratungsunternehmens. Zuvor war er Vice President und Business

Mehr

Inhaltliche Ausrichtung und organisatorische Sicherstellung Business Intelligence Governance

Inhaltliche Ausrichtung und organisatorische Sicherstellung Business Intelligence Governance Inhaltliche Ausrichtung und organisatorische Sicherstellung Business Intelligence Governance Ralf Heim Consultant Strategy and Technology Management Ralf.Heim@heimr.de Markus Linden Wissenschaftlicher

Mehr

Unternehmensweite Daten- und Informationsmodellierung

Unternehmensweite Daten- und Informationsmodellierung Unternehmensweite Daten- und Informationsmodellierung Diplomarbeit im Fach Management Studiengang Informationswirtschaft der Fachhochschule Stuttgart Hochschule der Medien Carmen Stier Erstprüfer: Prof.

Mehr

Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung

Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung Bachelor/Master-Thesis (für den Standort Stuttgart) Treiberbasierte Planung Hochschulstudium (Wirtschaftsinformatik oder ein vergleichbarer Studiengang) Fachliche und technische Kenntnisse im Bereich Business

Mehr

Kapitel 2 Terminologie und Definition

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

Mehr

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57

1... Einleitung... 15. 2... Grundlagen der Datenmodellierung... 25. 3... SAP NetWeaver BW und SAP BusinessObjects Überblick... 57 1... Einleitung... 15 1.1... Zielgruppen dieses Buches... 17 1.2... Aufbau des Buches... 18 1.3... Hinweise zur Benutzung des Buches... 21 1.4... Danksagung... 23 2... Grundlagen der Datenmodellierung...

Mehr

Fachbereich Informatik Praktikum 1

Fachbereich Informatik Praktikum 1 Hochschule Darmstadt DATA WAREHOUSE SS2015 Fachbereich Informatik Praktikum 1 Prof. Dr. S. Karczewski Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 14.April.2015 1. Kurzbeschreibung In diesem Praktikum geht

Mehr

WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE'

WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE' Take control of your decision support WAHLPFLICHTBEREICH WIRTSCHAFTSINFORMATIK 'DATA WAREHOUSE' Sommersemester 2008 Gliederung Business Intelligence und Data Warehousing On-Line Analytical Processing Ziel

Mehr

Nach Data Warehousing kommt Business Intelligence

Nach Data Warehousing kommt Business Intelligence Nach Data Warehousing kommt Business Intelligence Andrea Kennel Trivadis AG Glattbrugg, Schweiz Schlüsselworte: Business Intelligence, Data Warehouse Zusammenfassung Data Warehouse bedeutet, dass operative

Mehr

Softwareentwicklung mit UML

Softwareentwicklung mit UML Softwareentwicklung mit UML Die Unified Modeling Language im Projekteinsatz 2.12.2003, Seite 1 Übersicht 1 Einleitung 2 Die Unified Modeling Language (UML) 3 Vorgehensmodelle und UML 4 Ausblick 4.1 UML

Mehr

Agenda. Themenblock: Data Warehousing (I) Referenzarchitektur. Eigenschaften eines Data Warehouse. Einführung Data Warehouse Data Access mit SQL

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

Mehr

Orientierte Modellierung mit der Unified Modeling Language

Orientierte Modellierung mit der Unified Modeling Language UML-Basics: Einführung in Objekt- Orientierte Modellierung mit der Unified Modeling Language Michael Hahsler Ziel dieses Seminars Verständnis von Objekt-Orientierung Was sind Klassen? Was ist Vererbung?

Mehr

Solution for Business Intelligence. MID Insight 2013

Solution for Business Intelligence. MID Insight 2013 Solution for Business Intelligence MID Insight 2013 A G E N D A 1. Solution für Business Intelligence (BI) 2. Die Gründe und Hintergründe 3. Die Methode 4. Vorteile MID GmbH 2013 2 Solution für Business

Mehr

Einführung in die Unified Modeling Language (UML)

Einführung in die Unified Modeling Language (UML) Einführung in die Unified Modeling Language (UML) Hausarbeit zum Proseminar Datenbanken Wintersemester 2002/03 Seminarleitung: Dr. Christoph Draxler Verfasserin: Michaela Geierhos Centrum für Informations-

Mehr

Datenbanktechnologie für Data-Warehouse-Systeme

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...

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

Mehr

Einführung in OLAP und Business Analysis. Gunther Popp dc soft GmbH

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 -

Mehr

Datenmodellierung für das Data Warehouse - Vergleich und Bewertung konzeptioneller und logischer Methoden

Datenmodellierung für das Data Warehouse - Vergleich und Bewertung konzeptioneller und logischer Methoden Fakultät für Mathematik und Informatik Fachgruppe Informationswissenschaft Diplomarbeit zum Thema Datenmodellierung für das Data Warehouse - Vergleich und Bewertung konzeptioneller und logischer Methoden

Mehr

Modellgetriebene Softwareentwicklung bei der IBYKUS AG

Modellgetriebene Softwareentwicklung bei der IBYKUS AG Modellgetriebene Softwareentwicklung bei der IBYKUS AG Theorie Teil 4: Domänenspezifische Sprachen Dr. Steffen Skatulla IBYKUS AG 1 Inhalt Teil 4: Domänenspezifische Sprachen Nutzung vorhandener Sprachen

Mehr

Multidimensionales Datenmodell

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

Mehr

The integration of business intelligence and knowledge management

The integration of business intelligence and knowledge management The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence

Mehr

Steuerungsverfahren und ihre Datenstrukturen 02 - Datenmanagement

Steuerungsverfahren und ihre Datenstrukturen 02 - Datenmanagement Steuerungsverfahren und ihre Datenstrukturen 02 - Datenmanagement 1 Übersicht - Datenmanagement 1 Übersicht - Datenmanagement...1 2 Übersicht: Datenbanken - Datawarehouse...2 3 Übersicht: Data Mining...11

Mehr

Relationale Datenbanken Kursziele

Relationale Datenbanken Kursziele Relationale Datenbanken Kursziele DB Grundlagen Daten-Modellierung Relationales Modell und DB => Praxis: Mit SQL als Anfragesprache Mit MySQL als DB RDB 1-1 Kursinhalt (Tage) 1. Einleitung / Entity-Relationship

Mehr

Liste der Handbücher. Liste der Benutzerhandbücher von MEGA

Liste der Handbücher. Liste der Benutzerhandbücher von MEGA Liste der Handbücher Liste der Benutzerhandbücher von MEGA MEGA 2009 SP4 1. Ausgabe (Juni 2010) Die in diesem Dokument enthaltenen Informationen können jederzeit ohne vorherige Ankündigung geändert werden

Mehr

Modellierungsaspekte eines Data Warehouse Wolfgang Gerken Fachhochschule Hamburg

Modellierungsaspekte eines Data Warehouse Wolfgang Gerken Fachhochschule Hamburg Modellierungsaspekte eines Data Warehouse Wolfgang Gerken Fachhochschule Hamburg Zusammenfassung Die Extraktion von verwertbarem Wissen aus Daten wird immer wichtiger. Dabei hilft ein Data Warehouse. Es

Mehr

Objektorientierter Softwareentwurf mit UML. Ricardo Hernández Garcia, Joachim Palmer 1. Ausgabe, Januar 2010. Grundlagen. Neubearbeitung 2010

Objektorientierter Softwareentwurf mit UML. Ricardo Hernández Garcia, Joachim Palmer 1. Ausgabe, Januar 2010. Grundlagen. Neubearbeitung 2010 Ricardo Hernández Garcia, Joachim Palmer 1. Ausgabe, Januar 2010 Objektorientierter Softwareentwurf mit UML Grundlagen Neubearbeitung 2010 PGOS2010 I Objektorientierter Softwareentwurf mit UML - Grundlagen

Mehr

Relationale Datenbanken Kursziele

Relationale Datenbanken Kursziele Relationale Datenbanken Kursziele DB Grundlagen Daten-Modellierung Relationales Modell und DB => Praxis: Mit SQL als Anfragesprache Mit MySQL als DB RDB 1-1 Kursinhalt (Tage) 1. DB Einleitung / Entity-Relationship

Mehr

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Prof. Dr. Anett Mehler-Bicher Fachhochschule Mainz, Fachbereich Wirtschaft Prof. Dr. Klaus Böhm health&media GmbH 2011 health&media

Mehr

Geschäftsprozessmodellierung und Reengineering mittels prozess- und objektorientierter

Geschäftsprozessmodellierung und Reengineering mittels prozess- und objektorientierter Geschäftsprozessmodellierung und Reengineering mittels prozess- und objektorientierter Methoden Diplomarbeit Zur Erlangung des Grades eines Diplom-Volkswirts an der Wirtschaftswissenschaftlichen Fakultät

Mehr

Model Driven Architecture Praxisbeispiel

Model Driven Architecture Praxisbeispiel 1 EJOSA OpenUSS CampusSource Model Driven Architecture Praxisbeispiel 2 Situation von CampusSource-Plattformen Ähnliche Funktionen (Verwaltung von Studenten und Dozenten, Diskussionsforen,...), jedoch

Mehr

OLAP mit dem SQL-Server

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

Mehr

KONZEPTUELLES DATENBANKEN-DESIGN

KONZEPTUELLES DATENBANKEN-DESIGN KONZEPTUELLES DATENBANKEN-DESIGN Batini, Ceri, Navathe, Conceptual Database Design, The Benjamin/Cummings Pub., 1992 ISBN 0-8053-0244-1 Part I: Kapitel 1 und Kapitel 2 II-1 Methode des Datenbanken-Designs

Mehr

Semantische und logische Datenmodellierung multidimensionaler Strukturen am Beispiel Microsoft SQL Server Yukon

Semantische und logische Datenmodellierung multidimensionaler Strukturen am Beispiel Microsoft SQL Server Yukon Semantische und logische Datenmodellierung multidimensionaler Strukturen am Beispiel Microsoft SQL Server Yukon Diplomarbeit im Fach Informationstechnik Studiengang Informationswirtschaft der Fachhochschule

Mehr

Von der Prozessmodellierung zu IT-Landkarten. Prof. Dr.-Ing. Heinz Züllighoven heinz.zuellighoven@c1-wps.de www.c1-wps.de

Von der Prozessmodellierung zu IT-Landkarten. Prof. Dr.-Ing. Heinz Züllighoven heinz.zuellighoven@c1-wps.de www.c1-wps.de Von der Prozessmodellierung zu IT-Landkarten ein integrierter Ansatz in Theorie und Praxis Prof. Dr.-Ing. Heinz Züllighoven heinz.zuellighoven@c1-wps.de www.c1-wps.de Überblick C1 WPS Die Firma Anwendungslandschaften

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendung 1 MInf1 HAW Hamburg Betreuender Professor: Prof. Dr. Zukunft by Jason Hung Vuong [12] Gliederung 1. Hamburg Energie Kooperation 2. Motivation 3. Business Intelligence 4.

Mehr

Data Warehouse Technologien

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

Mehr

Data Warehouse. für den Microsoft SQL SERVER 2000/2005

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

Mehr

Einführungsveranstaltung: Data Warehouse

Einführungsveranstaltung: Data Warehouse Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring

Mehr

Kapitelübersicht. Was ist So#waretechnik? Historische Entwicklung der So9waretechnik Prinzipien, Methoden, Werkzeuge. Was bedeutet Objektorien+erung?

Kapitelübersicht. Was ist So#waretechnik? Historische Entwicklung der So9waretechnik Prinzipien, Methoden, Werkzeuge. Was bedeutet Objektorien+erung? Kapitelübersicht Was ist So#waretechnik? Historische Entwicklung der So9waretechnik Prinzipien, Methoden, Werkzeuge Was bedeutet Objektorien+erung? ObjektorienCerte Analyse und Design die Objektmodellierung

Mehr

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII Vorwort zur zweiten Auflage...V Vorwort zur ersten Auflage... VIII 1 Management Support Systeme und Business Intelligence Anwendungssysteme zur Unterstützung von Managementaufgaben...1 1.1 Computergestützte

Mehr

Welche Daten gehören ins Data Warehouse?

Welche Daten gehören ins Data Warehouse? Welche Daten gehören ins Warehouse? Dani Schnider Principal Consultant 9. Januar 2012 In vielen DWH-Projekten stellt sich die Frage, welche Daten im Warehouse gespeichert werden sollen und wie dieser Datenumfang

Mehr

Self Service BI. - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge

Self Service BI. - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge Self Service BI - Business Intelligence im Mittelstand - schnelle Ergebnisse, nachhaltige Erfolge 04. Juli 2013 Cubeware GmbH zu Gast im Hause der Raber+Märcker GmbH Referent: Uwe van Laak Presales Consultant

Mehr

Software-Entwicklung: Konzepte der Objektorientierung

Software-Entwicklung: Konzepte der Objektorientierung Software-Entwicklung: Konzepte der Objektorientierung 1 Übersicht Objektorientierte Softwareentwicklung Klasse und Objekt Attribut und Operation Schnittstelle Taxonomie und Vererbung Weitere Begriffe 2

Mehr

Themenblock: Erstellung eines Cube

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

Mehr

Diplomarbeit. Die Entwicklung eines webbasierten Warenwirtschaftssystems mit dem postrelationalen Datenbanksystem Caché der Firma Intersystems

Diplomarbeit. Die Entwicklung eines webbasierten Warenwirtschaftssystems mit dem postrelationalen Datenbanksystem Caché der Firma Intersystems Diplomarbeit an der Private Fernfachhochschule Darmstadt Fachbereich Informatik Die Entwicklung eines webbasierten Warenwirtschaftssystems mit dem postrelationalen Datenbanksystem Caché der Firma Intersystems

Mehr

Software-Design. Definition Der Prozess Prinzipien Strategien und Methoden Notationen. Aufgabe. HS Mannheim

Software-Design. Definition Der Prozess Prinzipien Strategien und Methoden Notationen. Aufgabe. HS Mannheim Software- Der Strategien und ist der zum Definieren der Architektur, der Komponenten, der Schnittstellen und anderer Charakteristika (Datenstrukturen, Algorithmen etc.) eines Systems oder einer Komponente

Mehr

OOAD Richtlinien & Tips

OOAD Richtlinien & Tips Software-Architekturen Sommersemester 2002 Prof. Dr. Wolfgang Pree Universität Salzburg www.softwareresearch.net/swa 1 OOAD Richtlinien & Tips 2002, W. Pree, Software-Architekturen, SS2002; Teil I 2 Metriken

Mehr

Kapitel 2: Der Software-Entwicklungsprozess

Kapitel 2: Der Software-Entwicklungsprozess Wie konstruiert man Software? Kapitel 2: Der Software-Entwicklungsprozess SoPra 2008 Kap. 2: Der Software-Entwicklungsprozess (1/10) Der Software-Entwicklungs-Prozess Historisches 1960JJ adhoc Techniken

Mehr

Master-Thesis (m/w) für unseren Standort Stuttgart

Master-Thesis (m/w) für unseren Standort Stuttgart Master-Thesis (m/w) für unseren Standort Abschlussarbeit im Bereich Business Process Management (BPM) Effizienzsteigerung von Enterprise Architecture Management durch Einsatz von Kennzahlen Braincourt

Mehr

Data Warehousing. Sommersemester 2005. Ulf Leser Wissensmanagement in der Bioinformatik

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

Mehr

LISE MEITNER GYMNASIUM NEUENHAUS UELSEN

LISE MEITNER GYMNASIUM NEUENHAUS UELSEN Entwurf eines schulinternen Curriculums im Fach Informatik für die Qualifikationsphase (Jahrgang 11 und 12) Für die Gestaltung des Informatikunterrichts in der Qualifikationsphase sind für das schulinterne

Mehr

2. Vorgehensmodelle Softwaretechnik (CNAM) Wintersemester 2009 / 2010 Prof. Dr. Bernhard Humm Hochschule Darmstadt, FB Informatik

2. Vorgehensmodelle Softwaretechnik (CNAM) Wintersemester 2009 / 2010 Prof. Dr. Bernhard Humm Hochschule Darmstadt, FB Informatik 2. Vorgehensmodelle Softwaretechnik (CNAM) Wintersemester 2009 / 2010 Prof. Dr. Bernhard Humm Hochschule Darmstadt, FB Informatik 1 Prof. Dr. Bernhard Humm, Hochschule Darmstadt, FB Informatik: Softwaretechnik

Mehr

Datenhaltung für Android Model First. 30.03.2011 Christian Ingenhaag, Frederik Götz, Carl Steeg

Datenhaltung für Android Model First. 30.03.2011 Christian Ingenhaag, Frederik Götz, Carl Steeg Datenhaltung für Android Model First 30.03.2011 Christian Ingenhaag, Frederik Götz, Carl Steeg Agenda Datenhaltung in Android Motivation / Projektziele Projekt Umsetzung Stand der Entwicklung Fazit 2 Datenhaltung

Mehr

MIS by Franziska Täschler, Winformation GmbH ftaeschler@winformation-gmbh.ch Ausgabe 01/2001

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)

Mehr

Friedrich-Schiller-Universität Jena Fakultät für Mathematik Informatik Lehrstuhl für Datenbanken und Informationssysteme Betreut von: David Wiese

Friedrich-Schiller-Universität Jena Fakultät für Mathematik Informatik Lehrstuhl für Datenbanken und Informationssysteme Betreut von: David Wiese Friedrich-Schiller-Universität Jena Fakultät für Mathematik Informatik Lehrstuhl für Datenbanken und Informationssysteme Betreut von: David Wiese Seminar Data Warehousing Sommersemester 2005 vorgelegt

Mehr

eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator

eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator Agenda Was ist Business Intelligence? Was ist OLAP? Unterschied zwischen OLAP und OLTP? Bestandteile

Mehr

Geschäftsprozessmanagement

Geschäftsprozessmanagement Geschäftsprozessmanagement Der INTARGIA-Ansatz Whitepaper Dr. Thomas Jurisch, Steffen Weber INTARGIA Managementberatung GmbH Max-Planck-Straße 20 63303 Dreieich Telefon: +49 (0)6103 / 5086-0 Telefax: +49

Mehr

Datawarehouse Architekturen. Einheitliche Unternehmenssicht

Datawarehouse Architekturen. Einheitliche Unternehmenssicht Datawarehouse Architekturen Einheitliche Unternehmenssicht Was ist Datawarehousing? Welches sind die Key Words? Was bedeuten sie? DATA PROFILING STAGING AREA OWB ETL OMB*PLUS SAS DI DATA WAREHOUSE DATA

Mehr

Informationsmanagement in Organisationen Überblick

Informationsmanagement in Organisationen Überblick Informationsmanagement in Organisationen Überblick Wolfgang H. Janko Andreas Geyer-Schulz Stefan Koch Edward Bernroider Abteilung für Informationswirtschaft Institut für Informationsverarbeitung und Informationswirtschaft

Mehr

Übungen zur Softwaretechnik

Übungen zur Softwaretechnik Technische Universität München Fakultät für Informatik Lehrstuhl IV: Software & Systems Engineering Markus Pister, Dr. Bernhard Rumpe WS 2002/2003 Lösungsblatt 9 17. Dezember 2002 www4.in.tum.de/~rumpe/se

Mehr