Parsen und Transformieren von SQL-MDi-Abfragen in Föderierten Data Warehouse-Systemen

Größe: px
Ab Seite anzeigen:

Download "Parsen und Transformieren von SQL-MDi-Abfragen in Föderierten Data Warehouse-Systemen"

Transkript

1 Parsen und Transformieren von SQL-MDi-Abfragen in Föderierten Data Warehouse-Systemen Diplomarbeit zur Erlangung des akademischen Grades Mag.rer.soc.oec. im Diplomstudium Wirtschaftsinformatik Eingereicht an der Johannes Kepler Universität Linz Institut für Wirschaftsinformatik Data & Knowledge Engineering Eingereicht von: Wolfgang Brunneder Begutachter: o. Univ.-Prof. Dr. Michael Schrefl Betreuender Assistent: Mag. Stefan Berger Linz, April 2008

2

3 Eidesstattliche Erklärung Ich erkläre an Eides statt, dass ich die vorliegende Diplomarbeit mit dem Titel Parsen und Transformieren von SQL-MDi-Abfragen in Föderierten Data Warehouse-Systemen selbständig und ohne fremde Hilfe verfasst, andere als die angegebenen Quellen und Hilfsmittel nicht benutzt bzw. die wörtlich oder sinngemäß entnommenen Stellen als solche kenntlich gemacht habe. Linz, April 2008 Wolfgang Brunneder 3

4

5 Danksagung An dieser Stelle möchte ich mich bei allen bedanken, die mich beim Verfassen dieser Diplomarbeit unterstützt haben. Ich bedanke mich bei meinem Betreuer Mag. Stefan Berger, der mir mit seiner konstruktiven Kritik geholfen hat, den Aufbau und Inhalt dieser Diplomarbeit auszuarbeiten. Weiters bedanke ich mich bei Herrn o. Univ.-Prof. Dr. Michael Schrefl, aufgrund dessen Feedback aus dem Diplomarbeitsseminar ich die Qualität der Arbeit noch wesentlich verbessern konnte. Darüber hinaus bedanke ich mich bei meiner Familie und meinen Freunden, welche mich immer wieder neu motivierten und von etwaigen Zweifeln befreiten. Meiner Freundin Katharina danke ich für ihre liebevolle Unterstützung in der Endphase meiner Diplomarbeit, wodurch ich deren Fertigstellung nochmals beschleunigen konnte. Abschließend gilt mein besonderer Dank meinen Eltern, welche mir mein Studium überhaupt erst ermöglichten. Wolfgang Brunneder 5

6

7 Zusammenfassung Unternehmenskooperationen und -zusammenschlüsse können Data Warehouse-übergreifende Analysen zur Leistungsbeurteilung erfordern, wofür sich die Erstellung eines Föderierten Data Warehouse-Systems anbietet. Ein Föderiertes Data Warehouse-System bietet transparenten Zugriff auf die integrierten Komponentensysteme mit Hilfe eines globalen Schemas bzw. eines globalen Würfels. Um Transparenz zu gewährleisten, ist es erforderlich den Benutzer von den zwischen den zu integrierenden Schemata bzw. Würfeln bestehenden Heterogenitäten abzuschirmen. Für diesen Zweck wurde die multidimensionale Abfragesprache SQL-MDi entwickelt, welche die Auflösung der Heterogenitäten ermöglicht. Ziel dieser Diplomarbeit ist die Entwicklung einer Parser-Komponente, welche eine Teil-Komponente eines Abfrage-Werkzeugs zur Generierung kompatibler Schemata bzw. Würfel in einem Föderierten Data Warehouse-System darstellt. Die Parser-Komponente hat die Aufgabe, eine in SQL-MDi formulierte Abfrage zu analysieren, d.h. die Korrektheit der Syntax und der enthaltenen Metadaten zu prüfen sowie logische Konflikte zu erkennen und zu behandeln. Der vom Parser zu generierende Output ist eine Baumstruktur, welche die Operatoren der SQL- MDi zugrunde liegenden Algebra beinhaltet. Die Baumstruktur dient als Ausführungsplan für eine Prozessor-Komponente, welche auf Basis der Algebra-Operatoren Sub-Anweisungen für die Komponentensysteme erzeugt und ein integriertes Schema bzw. einen integrierten Würfel berechnet. Durch die Berücksichtigung von logischen Optimierungsmöglichkeiten bei der Erzeugung der Baumstruktur, wird die Prozessor-Komponente bei der effizienten Generierung und Verarbeitung der Sub-Anweisungen unterstützt. 7

8

9 Abstract Business cooperations or mergers may require cross-data Warehouse analysis to assess business performance. A Federated Data Warehouse System is an appropriate instrument for that purpose by providing transparent access to the integrated component-systems with a global scheme or global cube, respectively. In order to ensure transparency it is necessary to hide existing hetergeneities between the component-schemes from the user. Thus, the multidimenisonal query language SQL-MDi was developed in order to resolve the heterogeneities. The goal of this thesis is the development of a parser-component as a part of a query tool to generate compatible component-schemes or cubes, respectively, in a Federated Data Warehouse System. One challenge for the parser-component is to analyse a SQL-MDi query by checking the validity of the syntax and contained metadata and by recognizing and handling logical conflicts. The ouput of the parser-component is a tree-structure which contains the operators of the algebra on which SQL-MDi is based on. This tree-structure will be used as an execution plan for a processor-component, which creates statements for the component-systems according to the algebra-operators and calculates an integrated scheme or cube, respectively. Considering logical optimizations during the contruction of the tree-structure enables the processor-component to efficiently create and process the statements for the component-systems. 9

10

11 Abkürzungsverzeichnis API AST CWM DA DBMS DBS DDBMS DEA DFM DW DWS EBNF ETL FA FDBS FDWS GAV LAV Application programming interface Abstract Syntax Tree (Syntaxbaum) Common Warehouse Metamodel Dimension-Algebra Datenbankmanagementsystem Datenbanksystem(e) Distributed database management system (Verteiltes Datenbankmanagementsystem) Deterministischer, endlicher Automat Dimensional Fact Model Data Warehouse/Data Warehousing Data Warehouse-System(e) Erweiterter Backus-Naur-Formalismus Extraction, Transformation, Loading Fact-Algebra Föderiertes Datenbanksystem Föderiertes Data Warehouse-System Global as view Local as view 11

12 MDBMS MDBS MDWS MFUA MFUB MOLAP NEA OLAP OLTP RA RDBMS ROLAP UML Multidimensionales Datenbankmanagementsystem Multi-Datenbanksystem(e) Multi-Data Warehouse-System(e) Mobilfunkunternehmen A (des Rahmenbeispiels) Mobilfunkunternehmen B (des Rahmenbeispiels) Multidimensionales OLAP Nichtdeterministischer, endlicher Automat Online analytical processing Online transactional processing Relationale Algebra Relationales Datenbankmanagementsystem Relationales OLAP Unified Modeling Language 12

13 DA/FA-Operatoren ζ δ γ α Ω σ π λ ξ χ ɛ Rename (DA und FA) Change (DA) Convert (DA und FA) Delete level (DA) Override rollup (DA) Select (FA) Project (FA) Delete measure (FA) Pivot (split measure attribute) (FA) Pivot (merge measure attributes) (FA) Enrich dimensions (FA) µ Merge facts (FA) 13

14

15 Inhaltsverzeichnis 1 Einleitung Föderiertes Data Warehouse-System Themenstellung, Zielsetzung und Abgrenzung der Arbeit Rahmenbeispiel Aufbau der Arbeit I Data Warehousing und integrierte Data Warehouse-Systeme 41 2 Data Warehousing Einordnung und Abgrenzung Data Warehousing-Architektur Multidimensionales Datenmodell Data Warehouse-Design Konzeptuelles Design Schemaebene Instanzebene Logisches Design Star-Schema Snowflake-Schema OLAP-Abfragen und materialisierte Sichten Physisches Design Indexstrukturen Partitionierung Zusammenfassung Integration von Datenbank- und Data Warehouse-Systemen Allgemeine Ansätze für die Datenintegration Local as view (LAV) Global as view (GAV) Deklarative vs. prozedurale Integration Ansätze für die Integration von Datenbanksystemen Klassifizierung von Systemen zur Datenbankintegration Architektur eines Föderierten Datenbanksystems Heterogenitäten zwischen Datenbanksystemen Lösungsansätze Ansätze für die Integration von Data Warehouse-Systemen Klassifizierung von Systemen zur Data Warehouse-Integration

16 3.3.2 Architektur eines Föderierten Data Warehouse-Systems Heterogenitäten zwischen Data Warehouse-Systemen Konflikte auf Schemaebene Konflikte auf Instanzebene DBS-Heterogenitäten vs. DWS-Heterogenitäten Lösungsansätze Zusammenfassung II Sprachen für die Integration von Data Warehouse-Systemen 79 4 Analyse von Abfragesprachen für die Integration von DBS/DWS Beurteilungskriterien Überblick über Abfragesprachen für MDBS HiLog MSQL IDL SchemaLog UDM RSQL, RRA und SISQL Tabular Algebra SchemaSQL CQL nd-sql MD-SQL, MQL/MA und FISQL/FIRA SQL M Beurteilung Analyse ausgewählter Abfragesprachen SchemaSQL Theoretische Konzepte Anwendung für die Integration von DWS Exkurs: Horizontale Aggregation Fazit nd-sql Theoretische Konzepte Anwendung für die Integration von DWS Exkurs: Beliebige GROUP-BY Kombinationen Fazit CQL Theoretische Konzepte Anwendung für die Integration von DWS Exkurs Fazit Beurteilung SQL-MDi und DA/FA-Algebra Theoretische Konzepte

17 5.2 SQL-MDi-Syntax Auflösung von Konflikten auf Schemaebene Auflösung von Konflikten auf Instanzebene Formulierung einer SQL-MDi-Abfrage Dimension-Algebra/Fact-Algebra Eine formale Algebra für SQL-MDi Kanonisches, multidimensionales Datenmodell Operatoren der Dimension- und Fact-Algebra Operatoren der Dimension-Algebra Operatoren der Fact-Algebra Komposition der DA/FA-Operatoren Logische Struktur des Operator-Baums Auswertungsreihenfolge der DA/FA-Operatoren Konflikte im Abfrage-Kontext SQL-MDi-Anweisungen vs. DA/FA-Operatoren Zusammenfassung III Parser-Implementierung Grundlagen des Übersetzerbaus Formale Sprachen und Automaten Grundbegriffe Zeichenketten und Sprachen Grammatiken Erweiterter Backus-Naur-Formalismus (EBNF) Chomsky-Hierarchie Reguläre Sprachen und ihre Beschreibungsformen Reguläre Grammatiken Reguläre Ausdrücke Endliche Automaten Kontextfreie Sprachen und ihre Beschreibungsformen Kontextfreie Grammatiken Kellerautomaten Übersetzerbau Übersetzungsphasen Lexikalische Analyse Spezifikation von Symbolen Erkennung von Symbolen Syntaxanalyse Top-down-Analyse Bottom-up-Analyse Fehlerbehandlung Semantikverarbeitung Symboltabellen Attributierte Grammatiken

18 Zwischensprache Übersetzer-Generatoren Zusammenfassung SQL-MDi Query Parser Anforderungen an den SQL-MDi Query Parser Funktionale Anforderungen Nicht-funktionale Anforderungen Integration in FDWS-Architektur Integrations-Werkzeug Query Parser Query Prozessor Technologien und Standards Programmiersprache Java Java Database Connectivity (JDBC) Log4j JUnit Eclipse JavaCC JavaCC Eclipse Plugin Common Warehouse Metamodel (CWM) Systemarchitektur Systemimplementierung Komponente Parser Klasse TokenManager Klasse Parser Abstract Syntax Tree (AST) Anpassung von Fehlermeldungen und automatischer Wiederaufsatz Komponente Metadata Management Metadaten-Design Metadaten-Management Komponente Operatortree Physisches Design der Operator-Baumstruktur Einfügen von DA/FA-Operatoren Konfliktprüfung für DA/FA-Operatoren Klasse SemanticProcessingVisitor Visitor-Design Pattern Erzeugen und Einfügen eines DA/FA-Operators Systemänderungen und -erweiterungen Beispiel: Änderung der SQL-MDi-Syntax Beispiel: Erweiterung von SQL-MDi und der FA Zusammenfassung Evaluierung, Resumee und Ausblick Evaluierung Design des Integrationstests

19 8.1.2 Ergebnis des Integrationstests Resumee Ausblick A Spezifikation der SQL-MDi-Syntax 227 B Integrationstest 231 B.1 SQL-MDi-Abfrage B.2 Operator-Baumstruktur B.3 Testdaten und Testergebnis

20

21 Abbildungsverzeichnis 1.1 Föderiertes Data Warehouse-System (vereinfachte Darstellung) Würfel für MFUA und MFUB Data Warehousing-Architektur (vgl. [CD97]) Fakt Schema: Verkauf (MFUA) Primäre Faktinstanz: Verkauf (MFUA) Fakttabelle: Verkauf (MFUA) Star-Schema: Verkauf (MFUA) Snowflake-Schema: Verkauf (MFUA) Klassifizierung: Multidatenbanksysteme (vgl. [SL90]) Fünf-Ebenen-Schema-Architektur für FDBS (vgl. [SL90]) Architektur eines FDWS (vgl. [BS08]) Rahmenbeispiel: Konzeptuelle DW-Schemata Verarbeitung einer SQL-MDi-Abfrage Operator-Baumstruktur für Listing Mögliche Konflikte zwischen DA/FA-Operatoren Zustandsgraph eines deterministischen, endlichen Automaten (vgl. [HMU02]) Übersetzungsphasen (vgl. [Mös06a]) Aufbau eines Syntaxbaums bei der Top-down-Analyse Aufbau eines Syntaxbaums bei der Bottom-up-Analyse Anwendungsfall-Diagramm: SQL-MDi Query Parser Software-Komponenten im FDWS Systemarchitektur des SQL-MDi Query Parser Funktionalität der Komponente Parser Verarbeitung des AST mit der Klasse SemanticProcessingVisitor Parser: ASTPivotSplitMeasure-Knoten Parser: Einfügen in den AST Metadata Management: Metadaten-Design Metadata Management: Measure-Objekt mit Pfad-Angabe Metadata Management: Metadaten-Management-Design Operatortree: Abstrakte Basisklassen der Operator-Baumstruktur Operatortree: Einfügen eines Operators vom Typ HighPriority Op Operatortree: Einfügen eines Operators vom Typ LowPriority Op Operatortree: Einfügen eines Operators vom Typ Global Op Operatortree: Einfügen eines Operators vom Typ SimpleOperator

22 7.16 Operatortree: Einfügen eines konfliktären Operators Simulation des Query Prozessors

23 Tabellenverzeichnis 3.1 Semantische Heterogenitäten zwischen DWS (vgl. [BS06a]) Rahmenbeispiel: DW-Instanzen von MFUA (Star-Schema) Rahmenbeispiel: DW-Instanzen von MFUB (Star-Schema) HiLog: Beurteilung MSQL: Beurteilung Erweitertes MSQL: Beurteilung IDL: Beurteilung SchemaLog: Beurteilung UDM: Beurteilung RSQL, RRA, SISQL: Beurteilung SchemaSQL: Beurteilung CQL: Beurteilung nd-sql: Beurteilung MD-SQL, MQL, FISQL/FIRA: Beurteilung Beurteilung der Abfragesprachen CQL: Ergebnispräsentation SQL-MDi-Anweisungen vs. DA/FA-Operatoren 1/ SQL-MDi-Anweisungen vs. DA/FA-Operatoren 2/ Beurteilung der Übersetzer-Generatoren

24

25 Listings 2.1 SQL: OLAP-Abfrage SQL: Dimensionalität SQL: Unterschiedliche Aggregationshierarchien SQL: Namenskonflikt SQL: Domänenkonflikt (Kenngrößen) SQL: Domänenkonflikt (unterste Klassifikationsstufe) SchemaSQL: Schema-Instanz-Konfikt (MFUB MFUA) SchemaSQL: Schema-Instanz-Konflikt (MFUA MFUB) SQL: Überlappende Fakten (Identitätsbeziehung) SQL: Überlappende Fakten (Kontextbeziehung) SQL: Disjunkte Fakten SQL: Namenskonflikte (Instanzen) SchemaSQL - Exkurs: Horizontale Aggregation nd-sql: Schema-Instanz-Konflikt (MFUB MFUA) nd-sql: Schema-Instanz-Konflikt (MFUA MFUB) nd-sql - Exkurs: Beliebige GROUP-BYs CQL: Dimensionalität CQL: Domänenkonflikt (Kenngrößen) CQL: Domänenkonflikt (unterste Klassifikationsstufe) CQL - Exkurs: Sub-Abfragen CQL - Exkurs: Feature Split CQL - Exkurs: Ergebnispräsentation SQL-MDi: Ausblenden einer Dimension SQL-MDi: Löschen einer Klassifikationsstufe SQL-MDi: Umbenennen eines Kenngrößen-Attributs SQL-MDi: Umbenennen eines dimensionalen Attributs SQL-MDi: Umbenennen einer Klassifikationsstufe SQL-MDi: Umbenennen eines nicht-dimensionalen Attributs SQL-MDi: Konvertierung eines Kenngrößen-Attributs SQL-MDi: Roll-up eines dimensionalen Attributs SQL-MDi: Konvertierung eines nicht-dimensionalen Attributs SQL-MDi: Pivot-Variante SQL-MDi: Pivot-Variante SQL-MDi: Aggregation von überlappenden Fakten SQL-MDi: Kontextdimension für überlappende Fakten SQL-MDi: Bevorzugung von überlappenden Fakten

26 5.15 SQL-MDi: Handhabung von disjunkten Fakten SQL-MDi: Umbenennen von Dimensionsinstanzen SQL-MDi: Überlappende/Disjunkte Dimensionsinstanzen SQL-MDi: Überschreiben einer roll-up Beziehung SQL-MDi: Vollständige SQL-MDi-Abfrage Scanner-Implementierung Top-down Parser-Implementierung Implementierung einer Symboltabelle [App98] Attributierte Grammatik mit Coco/R Parser: Definition von Symbolen mit TOKEN Parser: Definition von Kommentaren mit SPECIAL TOKEN Parser: Definition von zu ignorierenden Zeichen mit SKIP Parser: Produktionsregel für PIVOT MEASURE Anweisung Parser: Definition eines AST-Knotens Parser: Anpassung von Fehlermeldungen Parser: Automatischer Wiederaufsatz SemanticProcessingVisitor: Erzeugen und Einfügen von α Operatoren SQL-MDi Erweiterung: Regel für NEW MEASURE Anweisung SQL-MDi Erweiterung: visit() Methode für ASTNewMeasure B.1 Integrationstest: SQL-MDi-Abfrage

27 Beispielverzeichnis 2.1 Würfel Kenngröße Dimension Klassifikationsstufe Roll-up Beziehung Hierarchie Nicht-dimensionales Attribut Aggregation pattern SQL: OLAP-Abfrage Heterogentität: Dimensionalität Heterogentität: Unterschiedliche Aggregationshierarchien Heterogentität: Namenskonflikte Heterogentität: Domänenkonflikte Heterogentität: Schema-Instanz-Konflikt Heterogentität: Überlappende Fakten Heterogentität: Namenskonflikt (Instanz) Heterogentität: Heterogene roll-up Beziehungen SQL: Dimensionalität SQL: Unterschiedliche Aggregationshierarchien SQL: Namenskonflikt SQL: Domänenkonflikt (Kenngröße) SQL: Domänenkonflikt (Klassifikationsstufe) SchemaSQL: Schema-Instanz-Konflikt I SchemaSQL: Schema-Instanz-Konflikt II SQL: Überlappende Fakten I SQL: Überlappende Fakten II SQL: Disjunkte Fakten SQL: Namenskonflikt (Instanz) SchemaSQL: Horizontale Aggregation ndsql: Schema-Instanz-Konflikt I ndsql: Schema-Instanz-Konflikt II ndsql: Beliebige GROUP BYs CQL: Dimensionalität CQL: Domänenkonflikt (Kenngröße) CQL: Domänenkonflikt (Klassifikationsstufe)

28 4.19 CQL: Sub-Abfragen CQL: Feature split CQL: Ergebnispräsentation SQL-MDi: Dimensionalität SQL-MDi: Unterschiedliche Aggregationshierarchien SQL-MDi: Namenskonflikt (Kenngröße) SQL-MDi: Namenskonflikt (dimensionales Attribut) SQL-MDi: Namenskonflikt (Klassifikationsstufe) SQL-MDi: Namenskonflikt (Nicht-dimensionales Attribut) SQL-MDi: Domänenkonflikt (Kenngröße) SQL-MDi: Domänenkonflikt (Klassifikationsstufe) I SQL-MDi: Domänenkonflikt (Klassifikationsstufe) II SQL-MDi: Domänenkonflikt (Nicht-dimensionales Attribut) SQL-MDi: Schema-Instanz-Konflikt I SQL-MDi: Schema-Instanz-Konflikt II SQL-MDi: Überlappende Fakten I SQL-MDi: Überlappende Fakten II SQL-MDi: Überlappende Fakten III SQL-MDi: Disjunkte Fakten SQL-MDi: Namenskonflikt (Instanz) SQL-MDi: Überlappende/Disjunkte Dimensionsinstanzen SQL-MDi: Heterogene roll-up Beziehungen DA: Rename ζ DA: Change δ w v(l.kj l.a i )(d) DA: Convert γ (l.kj l.a i )θ(d) DA: Delete level α lj (d) DA: Override rollup Ω m v (d) FA: Select σ P (c) FA: Project π (L AC )(c) FA: Delete measure λ (N MF )(c) FA: Rename ζ FA: Convert γ M θ(c) FA: Pivot ξ M A (c) FA: Pivot χ ML M x,a x (c) FA: Enrich dimensions ɛ A =v(c) FA: Merge facts µ(g[n, θ]h) DA/FA: Operator-Abhängigkeit Rekursive Grammatik EBNF Reguläre Grammatik Regulärer Ausdruck Deterministischer, endlicher Automat Kontextfreie Grammatik Kellerautomat

29 6.8 Spezifikation von Symbolen Erkennung von Symbolen Top-down Syntaxanalyse Bottom-up Syntaxanalyse Symboltabellen Attributierte Grammatik Parser: Erkennung von Symbolen Parser: Syntaxprüfung Parser: Aufbau des AST Parser: Syntaxfehler Metadata Management: Measure-Objekt mit Pfad-Angabe Metadata Management: Metadaten-Fehler Operatortree: Einfügen eines Operators vom Typ HighPriority Op Operatortree: Einfügen eines Operators vom Typ LowPriority Op Operatortree: Einfügen eines Operators vom Typ Global Op Operatortree: Einfügen eines Operators vom Typ SimpleOperator Operatortree: Fehler aufgrund eines logischen Konflikts

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

Data Warehouse Technologien

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...............

Mehr

Veit Köppen Gunter Saake Kai-Uwe Sattler. 2. Auflage. Data Warehouse Technologien

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...

Mehr

Seminar im Sommersemester 2004 an der Universität Karlsruhe (TH)

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

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

Was ist ein Compiler?

Was ist ein Compiler? Was ist ein Compiler? Was ist ein Compiler und worum geht es? Wie ist ein Compiler aufgebaut? Warum beschäftigen wir uns mit Compilerbau? Wie ist die Veranstaltung organisiert? Was interessiert Sie besonders?

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

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

OLAP und der MS SQL Server

OLAP und der MS SQL Server OLAP und der MS SQL Server OLAP und der MS SQL Server OLAP-Systeme werden wie umfangreiche Berichtssysteme heute nicht mehr von Grund auf neu entwickelt. Stattdessen konzentriert man sich auf die individuellen

Mehr

Modellierung von OLAP- und Data- Warehouse-Systemen

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

Mehr

Einführung relationale Datenbanken. Themenblock: Erstellung eines Cube. Schlüssel. Relationenmodell Relationenname Attribut. Problem.

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

Mehr

Data Warehousing und Data Mining

Data Warehousing und Data Mining 2 Data Warehousing und Data Mining Kapitel 1: Data-Warehousing-Architektur von Geschäftsprozessen Mögliche Fragestellungen Wie entwickelt sich unser Umsatz im Vergleich zum letzten Jahr? In welchen Regionen

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

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

Vorwort zur 5. Auflage... 15 Über den Autor... 16

Vorwort zur 5. Auflage... 15 Über den Autor... 16 Vorwort zur 5. Auflage...................................... 15 Über den Autor............................................ 16 Teil I Grundlagen.............................................. 17 1 Einführung

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

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

Online Analytical Processing

Online Analytical Processing Online Analytical Processing Online Analytical Processing Online Analytical Processing (OLAP) ermöglicht die multidimensionale Betrachtung von Daten zwecks E rmittlung eines entscheidungsunterstützenden

Mehr

10. Vorlesung: Datenorganisation SS 2007

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

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

Das Multidimensionale Datenmodell

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

Mehr

Aufgabe 1: [Logische Modellierung]

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

Mehr

3.17 Zugriffskontrolle

3.17 Zugriffskontrolle 3. Der SQL-Standard 3.17. Zugriffskontrolle Seite 1 3.17 Zugriffskontrolle Datenbanken enthalten häufig vertrauliche Informationen, die nicht jedem Anwender zur Verfügung stehen dürfen. Außerdem wird man

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

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

2 Datenbanksysteme, Datenbankanwendungen und Middleware... 45

2 Datenbanksysteme, Datenbankanwendungen und Middleware... 45 Vorwort 15 Teil I Grundlagen 19 i Einführung In das Thema Datenbanken 21 I.I Warum ist Datenbankdesign wichtig? 26 i.2 Dateisystem und Datenbanken 28 1.2.1 Historische Wurzeln 29 1.2.2 Probleme bei der

Mehr

Diplomarbeit. Entwurf eines generischen Prozessleitstandes für Change Request Systeme

Diplomarbeit. Entwurf eines generischen Prozessleitstandes für Change Request Systeme Fakultät für Mathematik, Informatik und Naturwissenschaften Forschungsgruppe Softwarekonstruktion Diplomarbeit Entwurf eines generischen Prozessleitstandes für Change Request Systeme Development of a Generic

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

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 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

Mehr

Einteilung von Datenbanken

Einteilung von Datenbanken Datenbanksysteme (c) A.Kaiser; WU-Wien 1 Einteilung von Datenbanken 1. formatierte Datenbanken 2. unformatierte Datenbanken Information Retrieval Systeme 2 Wozu Datenbanken? Speicherung und Verwaltung

Mehr

Einführung. Informationssystem als Abbild der realen Welt

Einführung. Informationssystem als Abbild der realen Welt Was ist ein Datenbanksystem? Anwendungsgrundsätze Betrieb von Datenbanksystemen Entwicklung von Datenbanksystemen Seite 1 Informationssystem als Abbild der realen Welt Modellierung (Abstraktion) Sachverhalte

Mehr

Kapitel 6 Einführung in Data Warehouses

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

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

Einführung. Kapitel 1 2 / 508

Einführung. Kapitel 1 2 / 508 Kapitel 1 Einführung 2 / 508 Einführung Was ist ein Datenbanksystem (DBS)? Ein System zum Speichern und Verwalten von Daten. Warum kein herkömmliches Dateisystem verwenden? Ausfallsicherheit und Skalierbarkeit

Mehr

Architekturen. Von der DB basierten zur Multi-Tier Anwendung. DB/CRM (C) J.M.Joller 2002 131

Architekturen. Von der DB basierten zur Multi-Tier Anwendung. DB/CRM (C) J.M.Joller 2002 131 Architekturen Von der DB basierten zur Multi-Tier Anwendung DB/CRM (C) J.M.Joller 2002 131 Lernziele Sie kennen Design und Architektur Patterns, welche beim Datenbankzugriff in verteilten Systemen verwendet

Mehr

Carl-Christian Kanne. Einführung in Datenbanken p.1/513

Carl-Christian Kanne. Einführung in Datenbanken p.1/513 Einführung in Datenbanken Carl-Christian Kanne Einführung in Datenbanken p.1/513 Kapitel 1 Einführung Einführung in Datenbanken p.2/513 Einführung Was ist ein Datenbanksystem (DBS)? Ein System zum Speichern

Mehr

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher

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

Kapitel 3: Eigenschaften von Integrationssystemen. Einordnung von Integrationssystemen bzgl. Kriterien zur Beschreibung von Integrationssystemen

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

Mehr

Entwicklung eines visuellen Integrationstools für das Design föderierter Data Warehouse Schemata DIPLOMARBEIT. Mag.rer.soc.oec.

Entwicklung eines visuellen Integrationstools für das Design föderierter Data Warehouse Schemata DIPLOMARBEIT. Mag.rer.soc.oec. Entwicklung eines visuellen Integrationstools für das Design föderierter Data Warehouse Schemata DIPLOMARBEIT zur Erlangung des akademischen Grades Mag.rer.soc.oec. im Diplomstudium WIRTSCHAFTSINFORMATIK

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

Informationssysteme: Neuere Konzepte Teil II

Informationssysteme: Neuere Konzepte Teil II Informationssysteme: Neuere Konzepte Kapitel 1: Data-Warehousing-Architektur Folien teilweise übernommen von Matthias Gimbel 2 von Geschäftsprozessen Mögliche Fragestellungen Wie entwickelt sich unser

Mehr

Data Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY

Data Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY Data Cube On-line Analytical Processing (OLAP). Einführung Ziel: Auffinden interessanter Muster in großen Datenmengen 2. Aggregation in SQL, GROUP BY 3. Probleme mit GROUP BY 4. Der Cube-Operator! Formulierung

Mehr

Inhaltsverzeichnis. Teil I OLAP und der Microsoft SQL-Server 1. 1 Theoretische Grundlagen 3

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

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

30. Juni 2006 - Technische Universität Kaiserslautern. Paul R. Schilling

30. Juni 2006 - Technische Universität Kaiserslautern. Paul R. Schilling 30. Juni 2006 - Technische Universität Kaiserslautern Paul R. Schilling ! " #$% & '( ( ) *+, - '. / 0 1 2("$ DATEN SIND ALLGEGENWÄRTIG Bill Inmon, father of data warehousing Unternehmen In einer vollkommenen

Mehr

Aufgabe 1: Beschreibung des Forschungsgebietes der Wirtschaftsinformatik

Aufgabe 1: Beschreibung des Forschungsgebietes der Wirtschaftsinformatik Übungsblatt 01 / 2011 Datum: 5. Mai 2011 Aufgabe 1: Beschreibung des Forschungsgebietes der Wirtschaftsinformatik Beschreiben Sie das Lehr- und Forschungsgebiet der Wirtschaftsinformatik und zeigen Sie

Mehr

Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH

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

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

Gemeinsame Gestaltung und Entwicklung von Geschäftsprozessen und Unternehmenssoftware

Gemeinsame Gestaltung und Entwicklung von Geschäftsprozessen und Unternehmenssoftware Johannes Kepler Universität Linz Institut für Informationsverarbeitung und Mikroprozessortechnik Diplomarbeit Gemeinsame Gestaltung und Entwicklung von Geschäftsprozessen und Unternehmenssoftware mit besonderer

Mehr

Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar. 24. September 2009

Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar. 24. September 2009 Open Source BI 2009 Flexibilität und volle Excel-Integration von Palo machen OLAP für Endanwender beherrschbar 24. September 2009 Unternehmensdarstellung Burda Digital Systems ist eine eigenständige und

Mehr

Inhaltsverzeichnis 1 Einleitung 2 Zielsetzung 3 Data Warehousing

Inhaltsverzeichnis 1 Einleitung 2 Zielsetzung 3 Data Warehousing ix 1 Einleitung 1 1.1 Gliederung der Arbeit 3 1.2 Das Projekt Steuerkanzlei 2005 6 1.3 Abgrenzung 8 1.4 Notation 10 2 Zielsetzung 13 2.1 IT-technische Kategorisierung 13 2.1.1 IT-intensive vs. nicht IT-intensive

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

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

Multidimensionale Datenbanksysteme

Multidimensionale Datenbanksysteme Multidimensionale Datenbanksysteme Modellierung und Verarbeitung Von Dr.-Ing. Wolfgang Lehner IBM Almaden Research Center, San Jose, USA Technische Universität Darrr:ctadi FACHBEREICH INFORMATIK BIBLIOTHEK

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

Modellbasierte Softwareentwicklung mit EMF

Modellbasierte Softwareentwicklung mit EMF Softwaretechnik I, WS 2009/10 Modellbasierte Softwareentwicklung mit EMF Übungsblatt 5 13. November 2009 Organisatorisches Zur Bearbeitung der Übungsaufgabe stehen Ihnen die folgenden 3 Wochen (Kalenderwochen

Mehr

Data Warehousing und Data Mining

Data Warehousing und Data Mining Data Warehousing und Data Mining 2 Cognos Report Net (CRN) Ermöglicht Erstellen von Ad-hoc-Anfragen (Query Studio) Berichten (Report Studio) Backend Data Cube Relationale Daten Übung: Cognos Report Net

Mehr

XAMPP-Systeme. Teil 3: My SQL. PGP II/05 MySQL

XAMPP-Systeme. Teil 3: My SQL. PGP II/05 MySQL XAMPP-Systeme Teil 3: My SQL Daten Eine Wesenseigenschaft von Menschen ist es, Informationen, in welcher Form sie auch immer auftreten, zu ordnen, zu klassifizieren und in strukturierter Form abzulegen.

Mehr

Data Warehouse ??? Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle

Data Warehouse ??? Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle ??? Zusammenfassung, Ergänzung, Querverbindungen, Beispiele A.Kaiser; WU-Wien MIS 188 Data Warehouse Ein Data Warehouse ist keine von der Stange zu kaufende Standardsoftware, sondern immer eine unternehmensindividuelle

Mehr

Einführung in Generatives Programmieren. Bastian Molkenthin

Einführung in Generatives Programmieren. Bastian Molkenthin Einführung in Generatives Programmieren Bastian Molkenthin Motivation Industrielle Entwicklung *!!*,(% % - #$% #!" + '( & )!* Softwareentwicklung Rückblick auf Objektorientierung Objektorientierte Softwareentwicklung

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

Datenbanken 16.1.2008. Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt:

Datenbanken 16.1.2008. Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt: Datenbanksysteme Entwicklung der Datenbanksysteme Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt: 1. Generation: In den fünfziger

Mehr

6. Modellierung von Informationssystemen. 6.1 Einleitung 6.2 Konzeptuelles Modell 6.3 OASIS Spezifikation 6.4 Execution Model 6.

6. Modellierung von Informationssystemen. 6.1 Einleitung 6.2 Konzeptuelles Modell 6.3 OASIS Spezifikation 6.4 Execution Model 6. 6. Modellierung von Informationssystemen Spezialseminar Matr. FS 2000 1/10 Volker Dobrowolny FIN- ITI Quellen: Oscar Pastor, Jaime Gomez, Emilio Insfran, Vicente Pelechano The OO-Method approach for information

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 378

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 378 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 378 Umsetzung ausgewählter Supply-Chain-Operations-Reference-Metriken durch das

Mehr

Mala Bachmann September 2000

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

Mehr

Erstellen von Business Intelligence mit Office XP und SQL 2000 Analysis Services

Erstellen von Business Intelligence mit Office XP und SQL 2000 Analysis Services Erstellen von Business Intelligence mit Office XP und SQL 2000 Analysis Services (Engl. Originaltitel: Building Business Intelligence with Office XP and SQL 2000 Analysis Services) In diesem Artikel wird

Mehr

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing

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

Mehr

4 Grundlagen der Datenbankentwicklung

4 Grundlagen der Datenbankentwicklung 4 Grundlagen der Datenbankentwicklung In diesem Kapitel werden wir die Grundlagen der Konzeption von relationalen Datenbanken beschreiben. Dazu werden Sie die einzelnen Entwicklungsschritte von der Problemanalyse

Mehr

Oracle OLAP 11g: Performance für das Oracle Data Warehouse

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

Mehr

Ein Schlüssel ist eine Menge von Attributen (also eines oder mehrere), die eine Datenzeile (Tupel) einer Tabelle eindeutig identifiziert

Ein Schlüssel ist eine Menge von Attributen (also eines oder mehrere), die eine Datenzeile (Tupel) einer Tabelle eindeutig identifiziert Maika Büschenfeldt Datenbanken: Skript 1 1. Was ist eine relationale Datenbank? In Datenbanken können umfangreiche Datenbestände strukturiert abgelegt werden. Das Konzept relationaler Datenbanken soll

Mehr

Themenblock: Data Warehousing (I)

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

Mehr

Kapitel 33. Der xml-datentyp. In diesem Kapitel: Der xml-datentyp 996 Abfragen aus xml-datentypen 1001 XML-Indizierung 1017 Zusammenfassung 1023

Kapitel 33. Der xml-datentyp. In diesem Kapitel: Der xml-datentyp 996 Abfragen aus xml-datentypen 1001 XML-Indizierung 1017 Zusammenfassung 1023 Kapitel 33 Der xml-datentyp In diesem Kapitel: Der xml-datentyp 996 Abfragen aus xml-datentypen 1001 XML-Indizierung 1017 Zusammenfassung 1023 995 996 Kapitel 33: Der xml-datentyp Eine der wichtigsten

Mehr

Intelligence (BI): Von der. Nürnberg, 29. November 2011

Intelligence (BI): Von der. Nürnberg, 29. November 2011 Modelle für Business Intelligence (BI): Von der Anforderung zum Würfel Nürnberg, 29. November 2011 Warum Modelle für Business Intelligence (BI)? Warum Modelle für Business Intelligence (BI)? Bis zur Auswertung

Mehr

Software-Engineering und Datenbanken

Software-Engineering und Datenbanken Software-Engineering und Datenbanken Prof. Dr. Bernhard Schiefer bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer Prof. Dr. Bernhard Schiefer 1-1 Wesentliche Inhalte Begriff DBS Datenbankmodelle

Mehr

Vorlesung Theoretische Informatik

Vorlesung Theoretische Informatik Vorlesung Theoretische Informatik Automaten und Formale Sprachen Hochschule Reutlingen Fakultät für Informatik Masterstudiengang Wirtschaftsinformatik überarbeitet von F. Laux (Stand: 09.06.2010) Sommersemester

Mehr

Oracle Warehouse Builder 3i

Oracle Warehouse Builder 3i Betrifft Autoren Art der Info Oracle Warehouse Builder 3i Dani Schnider (daniel.schnider@trivadis.com) Thomas Kriemler (thomas.kriemler@trivadis.com) Technische Info Quelle Aus dem Trivadis Technologie

Mehr

Carl-Engler-Schule Karlsruhe Datenbank 1 (5)

Carl-Engler-Schule Karlsruhe Datenbank 1 (5) Carl-Engler-Schule Karlsruhe Datenbank 1 (5) Informationen zur Datenbank 1. Definition 1.1 Datenbank-Basis Eine Datenbank-Basis ist eine Sammlung von Informationen über Objekte (z.b Musikstücke, Einwohner,

Mehr

good. better. outperform.

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

Mehr

Seminar C16 - Datenmodellierung für SAP BW

Seminar C16 - Datenmodellierung für SAP BW C16: Datenmodellierung für SAP BW Ein Seminar der DWH academy Seminar C16 - Datenmodellierung für SAP BW Dieses Seminar soll einen umfassenden Einblick in die Datenmodellierung beim Einsatz von SAP BW

Mehr

Metadatenmodellierung und -verwaltung in Data-Warehouse-Systemen

Metadatenmodellierung und -verwaltung in Data-Warehouse-Systemen Metadatenmodellierung und -verwaltung in Data-Warehouse-Systemen Michael Seiferle Fachbereich Informatik Universität Konstanz 12. Februar 2008 Michael Seiferle Metadatenmodellierung und -verwaltung in

Mehr

Inhalt. 2.1 Datenbankentwurf. 2.2 Relationales Modell. 2.3 Relationale Entwurfstheorie. 2.4 Relationale Algebra. 2.5 Structured Query Language (SQL)

Inhalt. 2.1 Datenbankentwurf. 2.2 Relationales Modell. 2.3 Relationale Entwurfstheorie. 2.4 Relationale Algebra. 2.5 Structured Query Language (SQL) 2. Datenbanken Inhalt 2.1 Datenbankentwurf 2.2 Relationales Modell 2.3 Relationale Entwurfstheorie 2.4 Relationale Algebra 2.5 Structured Query Language (SQL) 2 2.1 Datenbankentwurf Datenbankanwendungen

Mehr

Die Grundbegriffe Die Daten Die Informationen

Die Grundbegriffe Die Daten Die Informationen Die Grundbegriffe Die Daten sind diejenigen Elemente, die vom Computer verarbeitet werden. Die Informationen sind Wissenselemente, welche durch die Analyse von Daten erhalten werden können. Die Daten haben

Mehr

Definition von domänenspezifischen Sprachen mit Xtext: Einführung. 19. November 2014

Definition von domänenspezifischen Sprachen mit Xtext: Einführung. 19. November 2014 Definition von domänenspezifischen Sprachen mit Xtext: Einführung 19. November 2014 Überblick Was ist zu tun, wenn wir selbst einen Ansatz für modellgetriebenen Entwicklung definieren wollen? Anforderungserfassung

Mehr

Technische Beschreibung: EPOD Server

Technische Beschreibung: EPOD Server EPOD Encrypted Private Online Disc Technische Beschreibung: EPOD Server Fördergeber Förderprogramm Fördernehmer Projektleitung Projekt Metadaten Internet Foundation Austria netidee JKU Linz Institut für

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

Business Intelligence Data Warehouse. Jan Weinschenker

Business Intelligence Data Warehouse. Jan Weinschenker Business Intelligence Data Warehouse Jan Weinschenker 28.06.2005 Inhaltsverzeichnis Einleitung eines Data Warehouse Data Warehouse im Zusammenfassung Fragen 3 Einleitung Definition: Data Warehouse A data

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

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

Modellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009

Modellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009 Modellbasierte Business Intelligence in der Praxis Nürnberg, 10.11.2009 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Inhalte von Datenmodellen für BI 3. Inhalte von Prozessmodellen 4.

Mehr

Entwicklung eines Abrechnungsmodells für SAP-Business-Information-Warehouse-Systeme

Entwicklung eines Abrechnungsmodells für SAP-Business-Information-Warehouse-Systeme FHDW-Schriftenreihe Band 4/2002 Stefan Nieland, Mathias Pöhling Entwicklung eines Abrechnungsmodells für SAP-Business-Information-Warehouse-Systeme. Shaker Verlag Aachen 2002 Die Deutsche Bibliothek -

Mehr

Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung

Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung Datei: Asklepius DA Flyer_Leistung_2 Seite: 1 von:5 1 Umfassende Datenanalyse Mit Asklepius-DA

Mehr

BI around the world - Globale Reporting Lösungen bei Continental Automotive

BI around the world - Globale Reporting Lösungen bei Continental Automotive BI around the world - Globale Reporting Lösungen bei Continental Automotive Stefan Hess Trivadis GmbH Stuttgart Herbert Muckenfuss Continental Nürnberg Schlüsselworte: Oracle BI EE, Business Intelligence,

Mehr

Cubeware Connectivity for SAP Solutions

Cubeware Connectivity for SAP Solutions Cubeware Connectivity for SAP Solutions Beispiele und Anwendungsfälle 1. Modellierung, Extraction, Transformation und Loading mit Datenquelle SAP R/3 und mysap ERP Mit Hilfe des Cubeware Importers und

Mehr

adcubum ACADEMY. Die Vertiefung von Hochstehendem. SQL-Datenbankkurse

adcubum ACADEMY. Die Vertiefung von Hochstehendem. SQL-Datenbankkurse adcubum ACADEMY. Die Vertiefung von Hochstehendem. SQL-Datenbankkurse Rubrik: Datenbanken Einleitung adcubum SYRIUS legt alle Bewegungsdaten in der Datenbank ab. Als Consultant, Parametrierer, Kundendienstmitarbeitender,

Mehr

(Titel des Berichts)

(Titel des Berichts) (Titel des Berichts) Praxissemesterbericht von (Vorname Name) aus (Geburtsort) Matrikelnummer Anschrift Telefon HTW Aalen Hochschule für Technik und Wirtschaft Betreuender Professor Abgabetermin Angaben

Mehr

Oracle BI EE mit großen Datenmengen

Oracle BI EE mit großen Datenmengen Oracle BI EE mit großen Datenmengen Christian Casek Riverland Solutions GmbH München Schlüsselworte: Oracle BI EE, Oracle BI Applications, Informatica, RPD, große Datenmengen, Performance, Performanceoptimierung,

Mehr

Datenbanken. Prof. Dr. Bernhard Schiefer. bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer

Datenbanken. Prof. Dr. Bernhard Schiefer. bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer Datenbanken Prof. Dr. Bernhard Schiefer bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer Wesentliche Inhalte Begriff DBS Datenbankmodelle Datenbankentwurf konzeptionell, logisch und relational

Mehr

Business Intelligence Aufgabenstellung

Business Intelligence Aufgabenstellung Hochschule Darmstadt Business Intelligence (BI) Fachbereich Informatik Praktikum 2 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Sebastian Gobst Änderung: 15.06.2012 Datum: 30.05.2012 1. Einführung

Mehr