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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Vergleich von Open-Source und kommerziellen Programmen zur Durchführung eines ETL-Prozesses

Vergleich von Open-Source und kommerziellen Programmen zur Durchführung eines ETL-Prozesses Vergleich von Open-Source und kommerziellen Programmen zur Durchführung eines ETL-Prozesses Exposé zur Diplomarbeit Humboldt-Universität zu Berlin Mathematisch-Naturwissenschaftliche Fakultät II Institut

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

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

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. 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

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

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

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

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

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

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

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

Realisierung von OLAP Operatoren in einem visuellen Analysetool. Vortrag von Alexander Spachmann und Thomas Lindemeier

Realisierung von OLAP Operatoren in einem visuellen Analysetool. Vortrag von Alexander Spachmann und Thomas Lindemeier Realisierung von OLAP Operatoren in einem visuellen Analysetool Vortrag von Alexander Spachmann und Thomas Lindemeier Gliederung Ausgangssituation/Motivation Was ist OLAP? Anwendungen Was sind Operatoren?

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

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

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 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

Data-Warehouse-Systeme

Data-Warehouse-Systeme Vorlesung im Wintersemester 2008/09 Data-Warehouse-Systeme Dr. Stefanie Rinderle-Ma Institut für Datenbanken und Informationssysteme Universität Ulm stefanie.rinderle@uni-ulm.de Übersicht 1) Einführung

Mehr

Vorlesung. Informationssysteme. Prof. Dr. Hans Czap. Lehrstuhl für Wirtschaftsinformatik I. Email: Hans.Czap@uni-trier.de

Vorlesung. Informationssysteme. Prof. Dr. Hans Czap. Lehrstuhl für Wirtschaftsinformatik I. Email: Hans.Czap@uni-trier.de Vorlesung Grundlagen betrieblicher Informationssysteme Prof. Dr. Hans Czap Email: Hans.Czap@uni-trier.de - II - 1 - Inhalt Kap. 1 Ziele der Datenbanktheorie Kap. 2 Datenmodellierung und Datenbankentwurf

Mehr

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221

Oracle 10g und SQL Server 2005 ein Vergleich. Thomas Wächtler 39221 Oracle 10g und SQL Server 2005 ein Vergleich Thomas Wächtler 39221 Inhalt 1. Einführung 2. Architektur SQL Server 2005 1. SQLOS 2. Relational Engine 3. Protocol Layer 3. Services 1. Replication 2. Reporting

Mehr

Vertrautmachen mit Daten

Vertrautmachen mit Daten Kapitel III Vertrautmachen mit Daten 2004 AIFB / FZI 1 III Vertrautmachen mit Daten (see also Data Preparation ) 2004 AIFB / FZI 2 III Vertrautmachen mit Daten III.1 OLAP III.1.1 Einführung in OLAP Wie

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

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

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

Implementierung eines Data Marts. Gunther Popp dc soft GmbH

Implementierung eines Data Marts. Gunther Popp dc soft GmbH Implementierung eines Data Marts Gunther Popp dc soft GmbH Überblick Vorstellung der Beispielanwendung Prozeß zur Erstellung eines Data Marts - Design - Datenermittlung - Implementierung Erläutert am Beispiel-Mart

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

bersicht Datenbanken und Datawarehouses Datenbank Datenbanksysteme Niels Schršter

bersicht Datenbanken und Datawarehouses Datenbank Datenbanksysteme Niels Schršter bersicht Niels Schršter EinfŸhrung GROUP BY Roll UpÔs Kreuztabellen Cubes Datenbank Ansammlung von Tabellen, die einen ãausschnitt der WeltÒ fÿr eine Benutzergruppe beschreiben. Sie beschreiben die funktionalen

Mehr

good. better. outperform.

good. better. outperform. good. better. outperform. Analytic mit Oracle BI relational oder besser multidimensional? 8. Oracle BI & DWH Konferenz, 20.03.2013 Dirk Fleischmann Director Business Intelligence & DWH Business Intelligence

Mehr

Informationsintegration

Informationsintegration Informationsintegration Grundlegende Architekturen Ulf Leser Inhalt diese Vorlesung Klassifikation verteilter, autonomer, heterogener Systeme Weitere Klassifikationskriterien Schichtenaufbau integrierter

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

Software Engineering mit Übungen. Franz-Josef Elmer, Universität Basel, HS 2015

Software Engineering mit Übungen. Franz-Josef Elmer, Universität Basel, HS 2015 Software Engineering mit Übungen Franz-Josef Elmer, Universität Basel, HS 2015 Software Engineering 2 Organisation Ort: Seminarraum 05.002, Spiegelgasse 5 Ablauf: 15:15 Vorlesung Prüfung: Schriftlich,

Mehr

Kapitel II. Datenbereitstellung 2004 AIFB / FZI 1. Vorlesung Knowledge Discovery

Kapitel II. Datenbereitstellung 2004 AIFB / FZI 1. Vorlesung Knowledge Discovery Kapitel II Datenbereitstellung 2004 AIFB / FZI 1 II. Datenbereitstellung 2004 AIFB / FZI 2 II. Datenbereitstellung Collect Initial Data identify relevant attributes identify inconsistencies between sources

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

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

Data Warehousing. Fragen des Marketingleiters. Beispiel: : Amazon. Technisch... Amazon weltweit... Datenbank. Aufbau eines DWH OLAP <-> OLTP Datacube

Data Warehousing. Fragen des Marketingleiters. Beispiel: : Amazon. Technisch... Amazon weltweit... Datenbank. Aufbau eines DWH OLAP <-> OLTP Datacube Fragen des Marketingleiters Data Warehousing Wie viele Bestellungen haben wir jeweils im Monat vor Weihnachten, aufgeschlüsselt nach? Aufbau eines DWH OLAP OLTP Datacube Beispiel: : Amazon Technisch

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

Integrated Data Management Konzentrieren sie sich auf ihr Business, und nicht auf die Verwaltung ihrer Daten

Integrated Data Management Konzentrieren sie sich auf ihr Business, und nicht auf die Verwaltung ihrer Daten Integrated Data Management Konzentrieren sie sich auf ihr Business, und nicht auf die Verwaltung ihrer Daten Entwurf Data Architect Verwaltung und Umsetzung komplexer Datenmodelle Graphische Darstellung

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

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

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

OLAP und Aggregierung

OLAP und Aggregierung Stärkung der SelbstOrganisationsfähigkeit im Verkehr durch I+K-gestützte Dienste Seminar Data Warehousing im Verkehrsbereich Sommersemester 2003 OLAP und Aggregierung von Jan Sandberger Betreuer: Heiko

Mehr

Data Warehouse. Kapitel 17. Abbildung 17.1: Zusammenspiel zwischen OLTP und OLAP. Man unterscheidet zwei Arten von Datenbankanwendungen:

Data Warehouse. Kapitel 17. Abbildung 17.1: Zusammenspiel zwischen OLTP und OLAP. Man unterscheidet zwei Arten von Datenbankanwendungen: Kapitel 17 Data Warehouse OLTP Online Transaction Processing OLAP Online Analytical Processing Decision Support-Anfragen Data Mining opera- tionale DB opera- tionale DB opera- tionale DB Data Warehouse

Mehr

Mit Transbase Hypercube Data Warehouse Anwendungen effizient betreiben. Die Hypercube-Technologie

Mit Transbase Hypercube Data Warehouse Anwendungen effizient betreiben. Die Hypercube-Technologie Mit Transbase Hypercube Data Warehouse Anwendungen effizient betreiben Transbase Hypercube ist eine Transbase -Option, die die innovative Hypercube-Technologie für komplexe analytische Anwendungen (OLAP)

Mehr

REAL-TIME DATA WAREHOUSING

REAL-TIME DATA WAREHOUSING REAL-TIME DATA WAREHOUSING Lisa Wenige Seminarvortrag Data Warehousing und Analytische Datenbanken Friedrich-Schiller-Universität Jena - 19.01.12 Lisa Wenige 19.01.2012 2 Agenda 1. Motivation 2. Begriffsbestimmung

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

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

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

Marketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch

Marketing Intelligence Vorstellung der Softwarekomponenten. Josef Kolbitsch Manuela Reinisch Marketing Intelligence Vorstellung der Softwarekomponenten Josef Kolbitsch Manuela Reinisch Übersicht Übersicht über die Systemlandschaft Übersicht über die Werkzeuge Workshop Systemlandschaft 1/8 Klassische

Mehr

ORM & OLAP. Object-oriented Enterprise Application Programming Model for In-Memory Databases. Sebastian Oergel

ORM & OLAP. Object-oriented Enterprise Application Programming Model for In-Memory Databases. Sebastian Oergel ORM & OLAP Object-oriented Enterprise Application Programming Model for In-Memory Databases Sebastian Oergel Probleme 2 Datenbanken sind elementar für Business-Anwendungen Gängiges Datenbankparadigma:

Mehr

Einführung in die Informatik Grammars & Parsers

Einführung in die Informatik Grammars & Parsers Einführung in die Informatik Grammars & Parsers Grammatiken, Parsen von Texten Wolfram Burgard Cyrill Stachniss 12.1 Einleitung Wir haben in den vorangehenden Kapiteln meistens vollständige Java- Programme

Mehr

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

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

Kapitel II. Datenbereitstellung. II. Datenbereitstellung. II.1 Grundlagen. II. Datenbereitstellung. Collect Initial Data. II.

Kapitel II. Datenbereitstellung. II. Datenbereitstellung. II.1 Grundlagen. II. Datenbereitstellung. Collect Initial Data. II. II. bereitstellung Kapitel II bereitstellung 1 2 II. bereitstellung II.1 Grundlagen Collect Initial Data identify relevant attributes identify inconsistencies between sources Describe Data characterize

Mehr

fi Data Warehouse: Sammlung von Technologien zur Unterstützung von Entscheidungsprozessen fi Herausforderung an Datenbanktechnologien

fi Data Warehouse: Sammlung von Technologien zur Unterstützung von Entscheidungsprozessen fi Herausforderung an Datenbanktechnologien Einführung Gegenstand der Vorlesung fi Data Warehouse: Sammlung von Technologien zur Unterstützung von Entscheidungsprozessen fi Herausforderung an Datenbanktechnologien Datenvolumen (effiziente Speicherung

Mehr

Modellgetriebene Entwicklungsprozesse in der Praxis - eine Bestandsaufnahme. Tillmann Schall, anaptecs GmbH

Modellgetriebene Entwicklungsprozesse in der Praxis - eine Bestandsaufnahme. Tillmann Schall, anaptecs GmbH Modellgetriebene Entwicklungsprozesse in der Praxis - eine Bestandsaufnahme Tillmann Schall, anaptecs GmbH : Agenda Grundlagen modellgetriebener Entwicklungsprozesse Schritte zur Einführung Erfahrungen

Mehr

Eine Einführung in OLAP

Eine Einführung in OLAP Eine Einführung in OLAP Einleitung... 1 Wofür wird OLAP benötigt?... 1 Was ist OLAP?... 3 OLAP Charakteristika... 3 Dimensionen... 3 Hierarchien... 3 Flexible Präsentation... 4 OLAP und Data Warehousing...

Mehr

Theoretische Informatik I

Theoretische Informatik I Theoretische nformatik inheit 3 Kontextfreie Sprachen 1. Kontextfreie Grammatiken 2. Pushdown Automaten 3. igenschaften kontextfreier Sprachen Theoretische nformatik inheit 3.1 Kontextfreie Grammatiken

Mehr

Innovative Ansätze für den Gesundheitsmarkt. Mainz, 10. Mai 2011

Innovative Ansätze für den Gesundheitsmarkt. Mainz, 10. Mai 2011 Business Intelligence und Geovisualisierung Innovative Ansätze für den Gesundheitsmarkt Mainz, 10. Mai 2011 Prof. Dr. Anett Mehler-Bicher Prof. Dr. Klaus Böhm Inhalt Ausgangssituation und Motivation Motivation

Mehr

Präsentation zum Thema XML Datenaustausch und Integration

Präsentation zum Thema XML Datenaustausch und Integration Sebastian Land Präsentation zum Thema XML Datenaustausch und Integration oder Warum eigentlich XML? Gliederung der Präsentation 1. Erläuterung des Themas 2. Anwendungsbeispiel 3. Situation 1: Homogene

Mehr

Das Knowledge Grid. Eine Architektur für verteiltes Data Mining

Das Knowledge Grid. Eine Architektur für verteiltes Data Mining Das Knowledge Grid Eine Architektur für verteiltes Data Mining 1 Gliederung 1. Motivation 2. KDD und PDKD Systeme 3. Knowledge Grid Services 4. TeraGrid Projekt 5. Das Semantic Web 2 Motivation Rapide

Mehr

Agenda. Hype oder Mehrwert. Herausforderungen. Methoden Werkzeuge. Kosten Nutzen. Definition Ziele

Agenda. Hype oder Mehrwert. Herausforderungen. Methoden Werkzeuge. Kosten Nutzen. Definition Ziele Agenda Definition Ziele Methoden Werkzeuge Herausforderungen Kosten Nutzen Hype oder Mehrwert Definition / Ziele Google Suche: define:business Intelligence Mit Business Intelligence können alle informationstechnischen

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

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

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015 Abstrakt zum Vortrag im Oberseminar Graphdatenbanken Gero Kraus HTWK Leipzig 14. Juli 2015 1 Motivation Zur Darstellung komplexer Beziehungen bzw. Graphen sind sowohl relationale als auch NoSQL-Datenbanken

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

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon

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

Data Warehousing Grundbegriffe und Problemstellung

Data Warehousing Grundbegriffe und Problemstellung Data Warehousing Grundbegriffe und Problemstellung Dr. Andrea Kennel, Trivadis AG, Glattbrugg, Schweiz Andrea.Kennel@trivadis.com Schlüsselworte Data Warehouse, Cube, Data Mart, Bitmap Index, Star Queries,

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

Oracle GridControl Tuning Pack. best Open Systems Day April 2010. Unterföhring. Marco Kühn best Systeme GmbH marco.kuehn@best.de

Oracle GridControl Tuning Pack. best Open Systems Day April 2010. Unterföhring. Marco Kühn best Systeme GmbH marco.kuehn@best.de Oracle GridControl Tuning Pack best Open Systems Day April 2010 Unterföhring Marco Kühn best Systeme GmbH marco.kuehn@best.de Agenda GridControl Overview Tuning Pack 4/26/10 Seite 2 Overview Grid Control

Mehr

Konzeptueller Data-Warehouse-Entwurf

Konzeptueller Data-Warehouse-Entwurf Übung Data Warehousing, WS 2007/08 Übung 1 Abgabeschluss: Mo., 29. Okt. 2007, 18:00 Uhr 12 Punkte Matrikel-Nr.: Matrikel-Nr.: Name: Name: Auszuarbeitende Aufgaben: Nr. Punkte Beispiel 1 12 Wohnbau-Genossenschaft:

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

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

Relationale Datenbanken Datenbankgrundlagen

Relationale Datenbanken Datenbankgrundlagen Datenbanksystem Ein Datenbanksystem (DBS) 1 ist ein System zur elektronischen Datenverwaltung. Die wesentliche Aufgabe eines DBS ist es, große Datenmengen effizient, widerspruchsfrei und dauerhaft zu speichern

Mehr

INVEST projects. Besseres Investitionscontrolling mit INVESTprojects

INVEST projects. Besseres Investitionscontrolling mit INVESTprojects Besseres Investitionscontrolling mit Der Investitionsprozess Singuläres Projekt Idee, Planung Bewertung Genehmigung Realisierung Kontrolle 0 Zeit Monate, Jahre Perioden Der Investitionsprozess Singuläres

Mehr

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr

Prüfungsberatungs-Stunde Datenbanksysteme 1 (Dbs1)

Prüfungsberatungs-Stunde Datenbanksysteme 1 (Dbs1) Prüfungsberatungs-Stunde Datenbanksysteme 1 (Dbs1) Herbstsemester 2013/14 Prof. S. Keller Informatik HSR Januar 2014, HS13/14 Dbs1 - Prüfungsvorbereitung 1 Dbs1 Ziele Grundlagenwissen in folgenden Gebieten

Mehr

Vergleich und Adaption verschiedener Modellierungskonzepte zur numerischen Simulation von Wärmeübergangsphänomenen bei Motorbauteilen

Vergleich und Adaption verschiedener Modellierungskonzepte zur numerischen Simulation von Wärmeübergangsphänomenen bei Motorbauteilen Vergleich und Adaption verschiedener Modellierungskonzepte zur numerischen Simulation von Wärmeübergangsphänomenen bei Motorbauteilen DIPLOMARBEIT zur Erlangung des akademischen Grades DIPLOMINGENIEUR

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

LINQ to SQL. Proseminar Objektorientiertes Programmieren mit.net und C# Christoph Knüttel. Institut für Informatik Software & Systems Engineering

LINQ to SQL. Proseminar Objektorientiertes Programmieren mit.net und C# Christoph Knüttel. Institut für Informatik Software & Systems Engineering LINQ to SQL Proseminar Objektorientiertes Programmieren mit.net und C# Christoph Knüttel Institut für Informatik Software & Systems Engineering Agenda 1. LINQ allgemein Vorteile Bausteine und Varianten

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

Integration von Data Marts in ein globales Data Warehouse mit hetero-homogenem Schema

Integration von Data Marts in ein globales Data Warehouse mit hetero-homogenem Schema Sozial und Wirtschaftswissenschaftliche Fakultät Integration von Data Marts in ein globales Data Warehouse mit hetero-homogenem Schema DIPLOMARBEIT zur Erlangung des akademischen Grades Magister der Sozial-

Mehr

Agile Analytics Neue Anforderungen an die Systemarchitektur

Agile Analytics Neue Anforderungen an die Systemarchitektur www.immobilienscout24.de Agile Analytics Neue Anforderungen an die Systemarchitektur Kassel 20.03.2013 Thorsten Becker & Bianca Stolz ImmobilienScout24 Teil einer starken Gruppe Scout24 ist der führende

Mehr